暗記メーカー

暗記メーカー

​
ログイン
2.1.機械学習の基本概念・具体的な手法・精度評価
22問 • 1年前
  • Tsuyoshi Ikeda
    • 通報

    問題一覧

  • 1

    メールがスパムメールかとうかを判定するフィルタは（ア）の適用例である

    二値分類

  • 2

    教師あり学習アプローチとして、適切な選択肢を選べ

    入力データの変数と正解ラベルの関係性を見つけ出す

  • 3

    教師あり学習を用いて行う分類問題に関連する具体例として、不適切な選択肢を選べ

    来店客を購入金額や滞在時間などの変数に基づいて、「専業主婦」「学生」「年配者」などいくつかのグループに自動的に分かれる

  • 4

    AIロボットの物理的な動きを制御するために、経あり学習ではなく、強化学習が使われる理由として不適切な選択肢を選べ

    強化学習を用いると、ロボットの故障のリスクを早めに検知できる

  • 5

    教師あり学習を用いて（ア）と（イ）の２種類のタスクができる。（ア）の場合、目的変数が離散値を取り、（イ）の場合、目的変数が連続値を取る

    （ア）分類 （イ）回帰

  • 6

    回帰が用いられている具体例として、不適切な選択肢を選べ

    ECサイトの会員が翌月に退会するかどうかを予測する

  • 7

    半教師あり学習の特徴として、適切な選択肢を選べ

    アノテーションのコストを削減することができる

  • 8

    強化学習が活用されるタスクとして適切な選択肢を選べ

    ロボットに障害物を回避する歩行パターンを習得させる

  • 9

    教師なし学習の活用例として、不適切な選択肢を選べ

    過去数年分の営業業績データに基づいて、来月の業績が赤字になるかどうかを判定する

  • 10

    教師なし学習の特徴として不適切な選択肢を選べ

    教師あり学習に比べて、一般的に学習データを用意するコストが高い

  • 11

    教師なし学習を使って行うタスクのうち、未知の集合をいくつかのグループに分類するタスクは（ア）である

    クラスタリング

  • 12

    データを低い次元に圧縮することで重要な情報を抽出する教師なし学習のタスクとして適切な選択肢を選べ

    次元削減

  • 13

    過学習を引き起こす要因として、適切な選択肢を選べ

    特徴量の数が非常に多い

  • 14

    機械学習のモデルを訓練した後、学習済みモデルをテストデータへの予測に適用した。訓練データに対する精度が98%だったのに対して、テストデータに対する予測精度がわずか75%であった。この結果からどのように考えるのが正しいか。

    過学習をしている可能性があるので、モデルのハイパーパラメータをチューニングすることが考えられる対策の１つである

  • 15

    学習済みモデルを未知データに適用した際の評価項目のうち、推定値のばらつきを表すものは（ア）であり、推定値と実測値の差を表すものは（イ）である

    （ア）バリアンス （イ）バイアス

  • 16

    過学習に関する記述として適切な選択肢を選べ

    データリーケージが起きると、過学習しているかどうかを検証しにくくなる

  • 17

    アンサンブル学習を行う利点として適切な選択肢を選べ

    過学習を防げる

  • 18

    弱学習器を多数組み合わせて、並列に学習させるアンサンブル学習の手法として適切な選択肢を選べ

    バギング

  • 19

    正則化に関する説明として適切な選択肢を選べ

    損失関数に罰則項を追加し、両者の和を最小にするようにパラメータを学習する

  • 20

    代表的な正則化の手法として、不要なパラメータを削ぎ落とすことで、特徴選択と次元圧縮に効果的な（ア）、そして、パラメータをその値の大きさに応じてゼロに近づけることで、汎化性の高い滑らかなモデルを得られるようにする（イ）が挙げられる

    （ア）L1正則化 （イ）L2正則化

  • 21

    （ア）はL1正則化を取り入れた回帰モデルであり、（イ）はL2正則化を取り入れた回帰モデルである

    （ア）ラッソ回帰 （イ）リッジ回帰

  • 22

    過学習に関する説明として不適切な選択肢を選べ

    データを高次元に写像することで、より汎化性能の高いモデルを訓練することができる

    • 1.人工知能の定義と、技術動向・研究における問題

    1.人工知能の定義と、技術動向・研究における問題

    Tsuyoshi Ikeda · 23問 · 1年前

    1.人工知能の定義と、技術動向・研究における問題

    1.人工知能の定義と、技術動向・研究における問題

    23問 • 1年前
    Tsuyoshi Ikeda

    2.2.機械学習の基本概念・具体的な手法・精度評価

    2.2.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 20問 · 1年前

    2.2.機械学習の基本概念・具体的な手法・精度評価

    2.2.機械学習の基本概念・具体的な手法・精度評価

    20問 • 1年前
    Tsuyoshi Ikeda

    2.3.機械学習の基本概念・具体的な手法・精度評価

    2.3.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 16問 · 1年前

    2.3.機械学習の基本概念・具体的な手法・精度評価

    2.3.機械学習の基本概念・具体的な手法・精度評価

    16問 • 1年前
    Tsuyoshi Ikeda

    3.1.ディープラーニングの仕組みと応用

    3.1.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 17問 · 1年前

    3.1.ディープラーニングの仕組みと応用

    3.1.ディープラーニングの仕組みと応用

    17問 • 1年前
    Tsuyoshi Ikeda

    3.2.ディープラーニングの仕組みと応用

    3.2.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 21問 · 1年前

    3.2.ディープラーニングの仕組みと応用

    3.2.ディープラーニングの仕組みと応用

    21問 • 1年前
    Tsuyoshi Ikeda

    3.3.ディープラーニングの仕組みと応用

    3.3.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 12問 · 1年前

    3.3.ディープラーニングの仕組みと応用

    3.3.ディープラーニングの仕組みと応用

    12問 • 1年前
    Tsuyoshi Ikeda

    3.4.ディープラーニングの仕組みと応用

    3.4.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 27問 · 1年前

    3.4.ディープラーニングの仕組みと応用

    3.4.ディープラーニングの仕組みと応用

    27問 • 1年前
    Tsuyoshi Ikeda

    4.1.ディープラーニングの研究分野

    4.1.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 12問 · 1年前

    4.1.ディープラーニングの研究分野

    4.1.ディープラーニングの研究分野

    12問 • 1年前
    Tsuyoshi Ikeda

    4.2.ディープラーニングの研究分野

    4.2.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 19問 · 1年前

    4.2.ディープラーニングの研究分野

    4.2.ディープラーニングの研究分野

    19問 • 1年前
    Tsuyoshi Ikeda

    4.3.ディープラーニングの研究分野

    4.3.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 3回閲覧 · 26問 · 1年前

    4.3.ディープラーニングの研究分野

    4.3.ディープラーニングの研究分野

    3回閲覧 • 26問 • 1年前
    Tsuyoshi Ikeda

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    Tsuyoshi Ikeda · 23問 · 1年前

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    23問 • 1年前
    Tsuyoshi Ikeda

    6.1 法規制・倫理ガイドライン・社会問題

    6.1 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 19問 · 1年前

    6.1 法規制・倫理ガイドライン・社会問題

    6.1 法規制・倫理ガイドライン・社会問題

    19問 • 1年前
    Tsuyoshi Ikeda

    6.2 法規制・倫理ガイドライン・社会問題

    6.2 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 21問 · 1年前

    6.2 法規制・倫理ガイドライン・社会問題

    6.2 法規制・倫理ガイドライン・社会問題

    21問 • 1年前
    Tsuyoshi Ikeda

    6.3 法規制・倫理ガイドライン・社会問題

    6.3 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 13問 · 1年前

    6.3 法規制・倫理ガイドライン・社会問題

    6.3 法規制・倫理ガイドライン・社会問題

    13問 • 1年前
    Tsuyoshi Ikeda

    6.4 法規制・倫理ガイドライン・社会問題

    6.4 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 11問 · 1年前

    6.4 法規制・倫理ガイドライン・社会問題

    6.4 法規制・倫理ガイドライン・社会問題

    11問 • 1年前
    Tsuyoshi Ikeda

    7.1 AIを理解するための数学・統計学

    7.1 AIを理解するための数学・統計学

    Tsuyoshi Ikeda · 13問 · 1年前

    7.1 AIを理解するための数学・統計学

    7.1 AIを理解するための数学・統計学

    13問 • 1年前
    Tsuyoshi Ikeda

    7.2 AIを理解するための数学・統計学

    7.2 AIを理解するための数学・統計学

    Tsuyoshi Ikeda · 17問 · 1年前

    7.2 AIを理解するための数学・統計学

    7.2 AIを理解するための数学・統計学

    17問 • 1年前
    Tsuyoshi Ikeda

    問題1-01

    問題1-01

    Tsuyoshi Ikeda · 20問 · 1年前

    問題1-01

    問題1-01

    20問 • 1年前
    Tsuyoshi Ikeda

    問題1-02

    問題1-02

    Tsuyoshi Ikeda · 20問 · 1年前

    問題1-02

    問題1-02

    20問 • 1年前
    Tsuyoshi Ikeda

    問題一覧

  • 1

    メールがスパムメールかとうかを判定するフィルタは（ア）の適用例である

    二値分類

  • 2

    教師あり学習アプローチとして、適切な選択肢を選べ

    入力データの変数と正解ラベルの関係性を見つけ出す

  • 3

    教師あり学習を用いて行う分類問題に関連する具体例として、不適切な選択肢を選べ

    来店客を購入金額や滞在時間などの変数に基づいて、「専業主婦」「学生」「年配者」などいくつかのグループに自動的に分かれる

  • 4

    AIロボットの物理的な動きを制御するために、経あり学習ではなく、強化学習が使われる理由として不適切な選択肢を選べ

    強化学習を用いると、ロボットの故障のリスクを早めに検知できる

  • 5

    教師あり学習を用いて（ア）と（イ）の２種類のタスクができる。（ア）の場合、目的変数が離散値を取り、（イ）の場合、目的変数が連続値を取る

    （ア）分類 （イ）回帰

  • 6

    回帰が用いられている具体例として、不適切な選択肢を選べ

    ECサイトの会員が翌月に退会するかどうかを予測する

  • 7

    半教師あり学習の特徴として、適切な選択肢を選べ

    アノテーションのコストを削減することができる

  • 8

    強化学習が活用されるタスクとして適切な選択肢を選べ

    ロボットに障害物を回避する歩行パターンを習得させる

  • 9

    教師なし学習の活用例として、不適切な選択肢を選べ

    過去数年分の営業業績データに基づいて、来月の業績が赤字になるかどうかを判定する

  • 10

    教師なし学習の特徴として不適切な選択肢を選べ

    教師あり学習に比べて、一般的に学習データを用意するコストが高い

  • 11

    教師なし学習を使って行うタスクのうち、未知の集合をいくつかのグループに分類するタスクは（ア）である

    クラスタリング

  • 12

    データを低い次元に圧縮することで重要な情報を抽出する教師なし学習のタスクとして適切な選択肢を選べ

    次元削減

  • 13

    過学習を引き起こす要因として、適切な選択肢を選べ

    特徴量の数が非常に多い

  • 14

    機械学習のモデルを訓練した後、学習済みモデルをテストデータへの予測に適用した。訓練データに対する精度が98%だったのに対して、テストデータに対する予測精度がわずか75%であった。この結果からどのように考えるのが正しいか。

    過学習をしている可能性があるので、モデルのハイパーパラメータをチューニングすることが考えられる対策の１つである

  • 15

    学習済みモデルを未知データに適用した際の評価項目のうち、推定値のばらつきを表すものは（ア）であり、推定値と実測値の差を表すものは（イ）である

    （ア）バリアンス （イ）バイアス

  • 16

    過学習に関する記述として適切な選択肢を選べ

    データリーケージが起きると、過学習しているかどうかを検証しにくくなる

  • 17

    アンサンブル学習を行う利点として適切な選択肢を選べ

    過学習を防げる

  • 18

    弱学習器を多数組み合わせて、並列に学習させるアンサンブル学習の手法として適切な選択肢を選べ

    バギング

  • 19

    正則化に関する説明として適切な選択肢を選べ

    損失関数に罰則項を追加し、両者の和を最小にするようにパラメータを学習する

  • 20

    代表的な正則化の手法として、不要なパラメータを削ぎ落とすことで、特徴選択と次元圧縮に効果的な（ア）、そして、パラメータをその値の大きさに応じてゼロに近づけることで、汎化性の高い滑らかなモデルを得られるようにする（イ）が挙げられる

    （ア）L1正則化 （イ）L2正則化

  • 21

    （ア）はL1正則化を取り入れた回帰モデルであり、（イ）はL2正則化を取り入れた回帰モデルである

    （ア）ラッソ回帰 （イ）リッジ回帰

  • 22

    過学習に関する説明として不適切な選択肢を選べ

    データを高次元に写像することで、より汎化性能の高いモデルを訓練することができる