CHAPTER 03 / REVIEW
機械学習の概要
データから学ぶ三つの方法と、モデルを正しく比較・評価する考え方を学びます。 5日分の知識を、用語暗記ではなく判断へ使えるか確認します。
15問問題と選択肢の順番は挑戦ごとに変わります。
QUESTION 01モデルAと複雑なモデルBの検証得点差がごく小さい場合の現実的な判断はどれですか。
正解は「予測時間・説明・保守費用も比べ、単純なAを選ぶ余地がある」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
予測時間・説明・保守費用も比べ、単純なAを選ぶ余地がある: 正解は「予測時間・説明・保守費用も比べ、単純なAを選ぶ余地がある」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
必ずBを選ぶ: 複雑さは採用理由そのものではありません。
得点を見ず新しい名称だけで決める: 名称は用途適合を示しません。
テストデータへ何度も合わせて差を広げる: テストへの反復適合は評価を楽観化します。
QUESTION 02翌月解約を予測する特徴として、データリーケージになる可能性が最も高いものはどれですか。
正解は「解約手続き後に付与される完了コード」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
解約手続き後に付与される完了コード: 正解は「解約手続き後に付与される完了コード」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
予測時点までの利用回数: 予測時点で得られるなら利用可能な特徴候補です。
現在の契約期間: 予測時点の情報であり、目的との関係を検証できます。
予測時点までの問い合わせ回数: 予測時点までの履歴なら未来情報ではありません。
QUESTION 03安全違反を強化学習で扱う適切な方法はどれですか。
正解は「高い報酬と交換できる罰点だけにせず、禁止行動や承認条件として制約する」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
高い報酬と交換できる罰点だけにせず、禁止行動や承認条件として制約する: 正解は「高い報酬と交換できる罰点だけにせず、禁止行動や承認条件として制約する」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
成功報酬が大きければ許可する: 安全を報酬との交換可能項目にしています。
学習後は監視を外す: 環境変化と異常を監視する必要があります。
シミュレーション得点だけで本番全域へ展開する: シミュレーターと現実には差があります。
QUESTION 04k-means法で事前に決める必要があるものはどれですか。
正解は「クラスタ数k」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
クラスタ数k: 正解は「クラスタ数k」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
各データの正解ラベル: k-meansは正解ラベルを使いません。
将来報酬の割引率: 割引率は強化学習の設定です。
分類しきい値0.5: 分類確率のしきい値ではありません。
QUESTION 05探索と活用の説明として適切なものはどれですか。
正解は「未知の行動を試すことと、現在よい行動を選ぶことのバランス」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
未知の行動を試すことと、現在よい行動を選ぶことのバランス: 正解は「未知の行動を試すことと、現在よい行動を選ぶことのバランス」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
訓練データとテストデータを混ぜること: 評価情報の漏えいです。
報酬を常にゼロにすること: 学習信号を失います。
危険な行動を本番で無制限に試すこと: 探索にも安全・倫理・権限の制約が必要です。
QUESTION 06実際の陽性をできるだけ見逃したくないとき、特に重視する指標はどれですか。
正解は「再現率」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
再現率: 正解は「再現率」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
適合率だけ: 適合率は陽性予測の確かさを見ます。
真陰性の件数だけ: 陽性の見逃しを直接測りません。
R²: R²は主に回帰評価です。
QUESTION 07強化学習で方策が表すものはどれですか。
正解は「各状態でどの行動を選ぶかという規則」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
各状態でどの行動を選ぶかという規則: 正解は「各状態でどの行動を選ぶかという規則」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
入力と正解ラベルの一覧: これは教師あり学習のデータです。
クラスタ中心の数: クラスタリングの設定です。
テストデータの分割方法: モデル評価の手順です。
QUESTION 08陽性が一万人中十人の課題で、全員を陰性と予測した正解率99.9%をどう評価しますか。
正解は「陽性を一人も見つけないため、正解率だけでは不十分」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
陽性を一人も見つけないため、正解率だけでは不十分: 正解は「陽性を一人も見つけないため、正解率だけでは不十分」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
非常に優秀で他指標は不要: 希少陽性では高い正解率が役に立たない場合があります。
再現率は100%: 陽性を見つけないので再現率は0です。
偽陰性は0件: 実際の陽性十人が偽陰性です。
QUESTION 09階層クラスタリングの特徴はどれですか。
正解は「結合や分割の段階を樹形図で確認できる」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
結合や分割の段階を樹形図で確認できる: 正解は「結合や分割の段階を樹形図で確認できる」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
必ず一つの直線境界を学ぶ: 線形分類器の説明ではありません。
クラスタ中心の平均更新だけを行う: これはk-meansの中心更新に近い説明です。
正解ラベルの損失を最小化する: 教師なしの階層法は正解ラベルを使いません。
QUESTION 10ランダムフォレストが単一の決定木より安定しやすい理由はどれですか。
正解は「異なるデータと特徴で作った多数の木を平均・多数決するから」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
異なるデータと特徴で作った多数の木を平均・多数決するから: 正解は「異なるデータと特徴で作った多数の木を平均・多数決するから」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
一つの木を無限に深くするから: 深過ぎる単木は過学習しやすくなります。
ラベルを使わないから: 教師あり学習ではラベルを使います。
最初の木以外を捨てるから: 複数木の統合が安定化の要点です。
QUESTION 11ロジスティック回帰の主な用途はどれですか。
正解は「分類確率を求め、しきい値で分類する」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
分類確率を求め、しきい値で分類する: 正解は「分類確率を求め、しきい値で分類する」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
連続値だけを直線で予測する: これは線形回帰の代表的な用途です。
正解なしでクラスタを作る: これは教師なし学習です。
報酬から行動方策を学ぶ: これは強化学習です。
QUESTION 12クラスタに名前を付けるときの適切な方法はどれですか。
正解は「『直近利用少・電子利用多』のように観測事実で記述し、別データで確かめる」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
『直近利用少・電子利用多』のように観測事実で記述し、別データで確かめる: 正解は「『直近利用少・電子利用多』のように観測事実で記述し、別データで確かめる」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
『価値の低い人』と人物の本質を断定する: 価値判断と不利益を生む危険があります。
クラスタ番号を人格として扱う: 番号は計算上の識別で人格ではありません。
一度付けた名称を更新しない: 分布と所属は時間で変化します。
QUESTION 13PCAの第一主成分は何を表しますか。
正解は「データの分散が最も大きくなる線形な方向」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
データの分散が最も大きくなる線形な方向: 正解は「データの分散が最も大きくなる線形な方向」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
業務上最も重要な原因: 分散の大きさと因果的重要性は別です。
正解ラベルを最もよく予測することが常に保証された軸: PCAはラベルを使わず、予測最適を保証しません。
外れ値だけを削除した結果: 外れ値削除そのものではありません。
QUESTION 14教師なし学習の結果について正しい説明はどれですか。
正解は「設定した特徴・距離・手法に基づく構造で、真の種類と自動的に証明されるわけではない」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
設定した特徴・距離・手法に基づく構造で、真の種類と自動的に証明されるわけではない: 正解は「設定した特徴・距離・手法に基づく構造で、真の種類と自動的に証明されるわけではない」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
正解ラベルと必ず完全一致する: 正解ラベルがないため、そのような保証はありません。
人の目的や評価は不要: 特徴選択と利用目的は人が決めます。
一度得たクラスタは永久に変わらない: データや設定が変われば結果も変わります。
QUESTION 15報酬ハッキングの例として適切なものはどれですか。
正解は「掃除量を報酬にしたロボットが、自分でごみを散らして回収量を増やす」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
掃除量を報酬にしたロボットが、自分でごみを散らして回収量を増やす: 正解は「掃除量を報酬にしたロボットが、自分でごみを散らして回収量を増やす」です。講義で扱った定義と判断条件に一致します。正解以外がなぜ違うかも確認し、実際の課題で使い分けましょう。
安全制約で危険操作を禁止する: これは抜け穴を防ぐ対策です。
人が異常時に停止する: 人の停止権限は安全策です。
複数条件で目的を監査する: 複数条件の監査は報酬の代理性を補います。
章末テスト
第3章・定着テスト
0/ 15