問題一覧
1
重回帰分析とクラス分類の違いを説明変数および目的変数の違いとして捉えたとき次の説明でいずれが正しいか．
重回帰分析の目的変数は連続量で，クラス分類の目的変数はカテゴリである
2
写真の問いに答えよ
b
3
2クラス分類を行うに際して，線形判別分析を行う代わりに，重回帰分析を利用して次の方法で行う妥当性について正しいものはどれか．【方法の説明】片方のクラスを例えば数字の−1に割当て，他方のクラスを1に割り当て， 重回帰分析によって回帰係数及び切片を得る．それを使って，検証用データに対して 目的変数(連続量)を求め，値の符号により2クラスに分類する．
線形判別分析と同じ結果を得ることができ，問題ない
4
irisデータセットの変数Speciesは植物の種を表し，setosa,versicolor,virginicaのいずれかをとりうる．これを目的変数とした3クラス分類を行うにあたって，重回帰分析を利用するアルゴリズムを講義で説明した．アルゴリズムでは，目的変数にある変換を施して重回帰分析に与えている．どの変換か．
setosaなら1でそれ以外なら0となる目的変数，versicolorなら1でそれ以外なら0となる 目的変数，virginicaなら1でそれ以外なら0となる目的変数の3個の目的変数を作成する
5
前問のアルゴリズムを使ってirisデータセットに対して植物の種に関する3クラス分類を行った結果，どのような性能が得られたか．
線形判別分析と同等の性能であった
6
判別分析を行うに際して，一般的な線形判別分析ではなく，重回帰分析を使った特殊なアルゴリズムを講義の中で扱った理由は何か．
理論導出を含めて全体を説明できるため（理論導出は「データ解析」で説明済み）
7
写真の問いに答えよ
b
8
2つの説明変数x1, x2による2クラス分類において，多項式を含めることにより，x1−x2平面上の中心付近を1つのクラス，そのクラスの領域をぐるりと取り囲む領域をもう1つのクラスというように円状の判別境界を形成することは可能であるか．
可能である
9
写真の問いに答えよ
b
10
サポートベクターマシンで判別境界を選択する際の評価基準はマージンの最大化である． ここで，マージンとは何か．
判別境界から最寄りのデータまでの距離
11
SVM(サポートベクターマシン)の性能を線形判別分析(多項式追加の場合)と比較したとき，次のどれが正しいか．
特殊なデータを対象とせず，一般のデータを対象とした場合，SVMの方が性能が高い
12
SVMで判別境界を曲線にしたい場合，線形判別分析で多項式を追加して判別境界を曲線にしたのと同様の処理を行う必要があるか．
ない
13
画像認識における処理の流れについて説明した文として正しいものはどれか．
1つ目のステップとして特徴抽出を行い，，2つ目のステップとして識別(ないしクラス分類)を行う
14
MNIST画像からモーメント特徴を求めるにあたって，2値化したのち，周辺分布を求める．講義で説明した水平方向の周辺分布の求め方として正しものはどれか．説明を簡単にするため，水平方向の周辺分布における横軸のi番目の位置における値を求める方法についての説明とする．
その水平位置に対応する垂直方向に並んだ画素のうち，黒画素の画素数を求める
15
水平方向の周辺分布からモーメント特徴の1つである平均を求めた．平均の値が小さい場合，画像はどのような画像であるか．
文字の書かれた位置が左に偏っている
16
写真の問いに答えよ
2
17
写真の問いに答えよ
a
18
写真の問いに答えよ
4
19
水平方向および垂直方向の周辺分布から平均，標準偏差，歪度，尖度の合計8個の特徴量を求めることができる．大量の画像からそれらの特徴量を求めて，ヒストグラムを使って特徴量を評価することにどんなメリットがあるのか．
判別分析で正解率を得る前に，正解率がどの程度になるか見積もることができる
20
教科書の図7.7の「3」に対応するヒストグラムを作成するのに何枚の画像を使って特徴量を求めたか．
約6000枚
21
モーメント特徴量を抽出した後，線形判別分析を行ったところ，正解率が70％であった．この値は高い値かどうかを判断するにあたってどのような観点で判断する必要があるか．
ベースラインと比較して判断する必要がある．ベースラインとして例えばランダムに解答を行った場合の正解率とすれば良い
22
モーメント特徴量を使った場合の正解率は表7.1に掲載された高度な特徴量を使った場合の正解率に比べて低い値である．モーメント特徴量は劣るのか．学ぶ意義はあるのか．
表7.1の特徴量は手書き文字画像の性質を考えて人手で設計した特徴量であるのに対し，基本的な特徴量は一般的な統計量を使っているためだけであり，特徴量を開発する必要がない
23
写真の問いに答えよ
-0.75
24
写真の問いに答えよ
1
25
写真の問いに答えよ
1.0
26
写真の問いに答えよ
1.4
27
16個の特徴量から交互作用項を全て洗い出すと何個の交互作用項があるか．
120
28
テンプレートマッチングにおけるテンプレートとは何か．
見つけたい物体の画像
29
2つの画像が似ているかどうかを評価するための指標(数値)を何と呼ぶか
類似度
30
前問の指標の1つは何か
コサイン類似度
31
画像を答えろ
ベクトルの内積
32
前問の続きである。式中の||は何を表す演算子か
ベクトルの長さ
33
画像に答えよ
d
34
画像を答えよ
10
35
b,cを手計算せよ
4
36
a,cを手計算せよ。
4
37
|a|を手計算せよ。
3.7
38
|b|を手計算せよ。
3.7
39
|c|を手計算せよ。
1.4
40
aとbのcos類似度を手計算せよ
0.7
41
bとcのcos類似度を手計算せよ
0.8
42
aとcのcos類似度を手計算せよ。
0.8
43
画像の問いに答えよ
a
44
画像の問いに答えよ
a
45
画像の問いに答えよ
a
46
画像の問いに答えよ
b
47
画像の問いに答えよ
b
48
画像の問いに答えよ
d
49
画像の問いに答えよ
c
50
画像の問いに答えよ
a
51
画像の問いに答えよ
c
52
画像の問いに答えよ
c
53
画像の問いに答えよ
d
54
画像の問いに答えよ
1024
55
画像の問いに答えよ
2
56
HOG特徴量は何を表す特徴か。
画像の輪郭線の形
57
第8章が機械学習という技術の枠組みに入る理由は何か。
HOG特徴量を基に判定する段階でデータ基に学習を行うから
58
画像の問いに答えよ
8
59
画像の問いに答えよ
a
60
濃度勾配の方向について、180°の違い(方向が逆向き)をどう扱うか。
無視する
61
画像の問いに答えよ
a
62
HOG特徴量は濃度勾配のヒストグラムである。ヒストグラムにする利点として正しいものはどれか。
輪郭線がブロック内のどこにあっても同じ結果になるため
63
画像の問いに答えよ
a
64
画像の問いに答えよ
b
65
画像の問いに答えよ
a
66
画像の問いに答えよ
a
67
画像の問いに答えよ
b
68
画像の問いに答えよ
a
69
画像の問いに答えよ
b
70
画像の問いに答えよ
b
71
画像の問いに答えよ
b
72
画像の問いに答えよ
c
73
画像の問いに答えよ
a
74
画像の問いに答えよ
a
75
画像の問いに答えよ
a
76
画像の問いに答えよ。
1
77
画像の問いに答えよ。
-1
78
画像の問いに答えよ。
1.41
79
画像の問いに答えよ。
-45
80
画像の問いに答えよ。
d
81
画像の問いに答えよ。
-18
82
画像の問いに答えよ。
b