PR 曲線

PR 曲線を説明している以下の文の空欄に入る適切な選択肢を選んでください. PR 曲線でモデルを評価する際には、(Q1 ___ ) に着目する.( Q1 ___ ) がグラフの ( Q2 ____ ) に遷移していくほど、 モデルの性能は高いといえる. [Q1 選択肢] 1. BERT 2. CERT 3. CAT 4. BEP [Q2 選択肢] 1. 左下 2. 左上 3. 右下 4. 右上

ROC 曲線 – 偽陽性率

世界中でコウモリに由来する感染症が大流行しています.とある病院では、一日に 1000 人が感染症かどうかの診断を受けにきます. その病院では、 PCR と呼ばれる検査手法を用いて、来院した患者が感染症に感染しているかどうかを判定しています. この時、検査結果は以下のような混同行列で表すことができました. 下記の設問に答えてください. PCR 検査の結果       陽性 陰性 実際は陽性 [[ 4 12 ] 実際は陰性 [ 20 964 ]] Q1:PCR 検査の偽陽性率を百分率で求めてください.答えが循環少数となる場合は、小数点第 2 位で四捨五入してください.

ROC 曲線 – 偽陽性率

世界中でコウモリに由来する感染症が大流行しています.とある病院では、一日に 1000 人が感染症かどうかの診断を受けにきます. その病院では、 PCR と呼ばれる検査手法を用いて、来院した患者が感染症に感染しているかどうかを判定しています. この時、検査結果は以下のような混同行列で表すことができました. 下記の設問に答えてください. PCR 検査の結果       陽性 陰性 実際は陽性 [[ 4 12 ] 実際は陰性 [ 20 964 ]] Q1:PCR 検査の真陽性率を百分率で求めてください.答えが循環少数となる場合は、小数点第 2 位で四捨五入してください.

AUC

次のコードで空欄になっている行に入る適切な選択肢を 1 ~ 3 から選び、 AUC を求めてください. #Q1 from import roc_auc_score [Q1 選択肢] 1. sklearn.decomposition 2. sklearn.metrics 3. sklearn.model_slection y_true = [0, 0, 0, 1, 1, 1] y_pred = [1, 0, 0, 1, 0, 0] # Q2 auc = ########## print(auc) [Q2 の選択肢] 1. roc_auc_score([y_true, y_pred]) 2. roc_auc_score(y_true, y_pred) 3. roc_auc_score(y_true*y_pred)

AUC

次のコードで空欄になっている行に入る適切な選択肢を 1 ~ 3 から選び、 AUC を求めてください. #Q1 from import roc_auc_score [Q1 選択肢] 1. sklearn.decomposition 2. sklearn.ensemble 3. sklearn.metrics y_true = [0, 0, 0, 1, 1, 1] y_pred = [1, 0, 0, 1, 0, 0] # Q2 auc = ########## print(auc) [Q2 の選択肢] 1. roc_auc_score(y_true, y_pred) 2. roc_auc_score([y_true, y_pred]) 3. roc_auc_score(y_true*y_pred)

正規方程式 – 閉形式解

正規方程式について説明している以下の文のうち、その説明が正しいもを選択肢から選んでください. [選択肢] 1. 正規方程式で表されるモデルには閉系式解が存在するため、勾配降下法などのテクニックを使用せずとも最適な解がもとまる. 2. 正規方程式では、閉系式解が存在するため特徴量が多くなったとしても計算量はさほど大きくならない. 3. コスト関数が正規方程式で表され場合、コスト関数を最小にするのが困難であるため、一般的には機械学習モデルとして利用できない. 4. 正規方程式で表されるモデルは解析的に最適な解を導出できるが、必ずしも解を導出できるわけでもない.

PR 曲線

PR 曲線を説明している以下の文の空欄に入る適切な選択肢を選んでください. PR 曲線とは、横軸に (Q1 ___ ) 、縦軸に (Q2 ___ ) としてデータをプロットしたグラフである. 1. 再現率 2. 正解率 3. 適合率 4. F 値