Category Archives: 未分類

不純度の指標としてのエントロピーの説明として正しいものを選択肢 1 ~ 3 から選んでください． [選択肢] 1. インスタンスのセットが単一のクラスに属する場合、エントロピーは 0 となる． 2. 基本的には、エントロピーよりもジニ係数の方が不純度の指標として適している． 3. ジニ係数よりもエントロピーを用いた方が、わずかに計算が速くなる．

決定木の計算量に関数する説明として正しいものを選択肢 1 ~ 3 から選んでください． 1. 決定木は大きな訓練インスタンスに対して訓練を高速化できる． 2. 予測全体の計算量は特徴量の数によらず、$${LARGE[O(log_{2}m)]}$$ となる． 3. 決定木では深さによってノード数が大きく異なるため、計算量を求めることができない．

決定木の計算量に関数する説明として正しいものを選択肢 1 ~ 3 から選んでください． 1. 予測全体の計算量は特徴量の数によらず、$${LARGE[O(exp(m))]}$$ となる． 2. 予測全体の計算量は特徴量の数によらず、$${LARGE[O(n times log_{2}m)]}$$ となる． 3. 予測全体の計算量は特徴量の数によらず、$${LARGE[O(log_{2}m)]}$$ となる．

決定木について説明している以下の文で空欄に入る適切な単語を選択肢 1 ~ 3 から選んでください． 決定木はその予測結果に到った理由を簡単に解釈できるため ( Q1 _____ ) ボックスモデルと言える． [選択肢] 1. ブラック 2. ホワイト 3. グレー

ホワイボックスモデルに該当するものを選択肢から選んでください． [選択肢] 1. CART 2. ニューラルネットワークモデル 3. CNN 4. ランダムフォレスト

次のコードで空欄になっている行に入る適切な選択肢から選び、決定木を用いてクラス分類してください． from sklearn.datasets import load_iris # Q1：DecisionTreeClassifier クラスをインポートしてください． from ########## import DecisionTreeClassifier [Q1 選択肢] 1. sklearn.linear_model 2. sklearn.ensemble 3. sklearn.metrics 4. sklearn.tree iris = load_iris() # 花弁の幅は 2cm 以上 X = iris.data[:, 2:] y = iris.target # Q2：深さ 2 の決定木を定義し、訓練してください．（ 2 行 ) d_tree = ########## d_tree.fit(X, y) [Q2の選択肢] 1. DecisionTreeClassifier(max_depth=2, random_state=42) 2. DecisionTreeClassifier(random_state=42) 3. […]

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、決定木を用いてクラスの確率を推計してください． from sklearn.datasets import load_iris # Q1：DecisionTreeClassifier クラスをインポートしてください． from ########## import DecisionTreeClassifier [Q1 選択肢] 1. sklearn.metrics 2. sklearn.tree 3. sklearn.linear_model 4. sklearn.ensemble iris = load_iris() # 花弁の幅は 2cm 以上 X = iris.data[:, 2:] y = iris.target # Q2：深さ 2 の決定木を定義し、訓練してください．（ 2 行 ) d_tree = ########## d_tree.fit(X, y) [Q2の選択肢] 1. DecisionTreeClassifier(C=2) […]

scikit-learn に用意されている以下のクラスにおける正則化パラメータとして正しいものを選んでください． また、以下の Q4 にも答えてください． （同じ選択肢を複数回使用しても構いせません．） Q1：LogisticRegression Q2：DesicionTreeRegressor Q3：DesicionTreeClassifier [Q1 — 3選択肢] 1. gamma 2. n_estimators 3. max_depth 4. C Q4：また、それぞれの正則化パラメータをどのように設定すると過学習を緩和できるのか、正しいものを選んでください． 　　 （Q1 > Q2 > Q3 の順で記入してください．） [Q4 選択肢] 1. より小さくする 2. より大きくする

scikit-learn に用意されている以下のクラスにおける正則化パラメータとして正しいものを選んでください． また、以下の Q4 にも答えてください． （同じ選択肢を複数回使用しても構いせません．） Q1：LogisticRegression Q2：DesicionTreeRegressor Q3：DesicionTreeClassifier [Q1 — 3選択肢] 1. max_depth 2. n_estimators 3. C 4. gamma Q4：また、それぞれの正則化パラメータをどのように設定すると過学習を緩和できるのか、正しいものを選んでください． 　　 （Q1 > Q2 > Q3 の順で記入してください．） [Q4 選択肢] 1. より大きくする 2. より小さくする

不純度について説明している以下の文で空欄に入る適切な単語を選択肢 1 ~ 3 から選んでください． 決定木では、不純度と呼ばれれる指標を用いて性能を評価できる． 例えばジニ係数 gini を不純度の指標とし、決定木でクラスの確率推計を行い各葉ノードにインスタンスを移していった場合、 それぞれの葉ノード内に存在するインスタンスのクラスが全て一致していると不純度 gini = ( Q1 _____ ) となり、 そのノードは純粋と言える. [選択肢] 1. 0 2. 0.5 3. 1