Category Archives: 未分類

Lasso 回帰の正則化項として正しいものを選択肢から選んでください． [Q1の選択肢] 1. $${LARGE [ alpha|mathbf{w}|_{1} ]}$$ 2. $${LARGE [ alpha|mathbf{w}|_{2}^{2} ]}$$ 3. $${LARGE [ ralpha|mathbf{w}|_{1}+frac{1-r}{2}alpha|mathbf{w}|_{2}^{2} ]}$$

リッジ回帰を説明している以下の文の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． リッジ回帰では、コスト関数に (Q1 ____ ) を追加することでモデルの重みを制限し、 線形回帰モデルの過学習を緩和する． [Q1の選択肢] 1. 新たなコスト関数 2. 正則化項 3. 訓練データ

リッジ回帰の説明として正しいものを選択肢から選んでください． [Q1の選択肢] 1. 正則化項として、パラメータの絶対値の和である L1 ペナルティを用いる． 　 L1 ペナルティを用いると、説明変数の数を出来るだけ減らすようにモデルは訓練される． 2. 正則化項として、パラメータの二乗和である L2 ペナルティを用いる． 　L2 ペナルティを用いると、モデルは重みを出来るだけ小さくするように訓練される． 　しかし、入力特徴量のスケールの影響を受けるため、訓練セットをスケーリングするなどの対策が必要である． 3. 正則化項として、L1 ペナルティと L2 ペナルティの重み和を用いる． 　訓練セットの性質が読みづらいときには、とりあえず、このモデルを使用すると良い．

リッジ回帰の正則化項として正しいものを選択肢から選んでください． [Q1の選択肢] 1. $${LARGE [ alpha|mathbf{w}|_{1} ]}$$ 2. $${LARGE [ alpha|mathbf{w}|_{2}^{2} ]}$$ 3. $${LARGE [ ralpha|mathbf{w}|_{1}+frac{1-r}{2}alpha|mathbf{w}|_{2}^{2} ]}$$

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、 変数 X、y を用いてリッジ回帰モデルを訓練してください． # Q1：リッジ回帰のクラスをインポートしてください． ########## [Q1 選択肢] 1. from sklearn.linear_model import Ridge 2. from sklearn.ensemble import Ridge 3. from sklearn.decomposition import Ridge np.random.seed(0) m = 20 X = np.random.rand(m, 1) y = 3 + 2 * X + np.random.randn(m, 1) / 5 ridge = Ridge(alpha=1.0) ridge.fit(X, y) print(ridge.predict([[0]]))

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、 変数 X、y を用いてリッジ回帰モデルを訓練してください． # Q1：コスト関数に SGD を用いた線形回帰モデルをインポートしてください． ########## [Q1 選択肢] 1. from sklearn.decomposition import SGDRegressor 2. from sklearn.ensemble import SGDRegressor 3. from sklearn.linear_model import SGDRegressor np.random.seed(0) m = 20 X = np.random.rand(m, 1) y = 3 + 2 * X + np.random.randn(m, 1) / 5 ridge.fit(X, y) print(ridge.predict([[0]])) #Q2：SGDRegressor() クラスを用いて […]

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、 変数 X、y を用いてリッジ回帰モデルを訓練してください．また、最適なハイパーパラメータ α の値を探索してください． # Q1：RidgeCV モデルをインポートしてください ########## [Q1 選択肢] 1. from sklearn.linear_model import RidgeCV 2. from sklearn.ensemble import RidgeCV 3. from sklearn.decomposition import RidgeCV np.random.seed(0) m = 20 X = np.random.rand(m, 1) y = 3 + 2 * X + np.random.randn(m, 1) / 5 # Q2：1e-3, 1e-2, 1e-1, […]

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、多項式回帰モデルを訓練してください． import numpy as np #Q1： PolynomialFeatures クラスをインポートしてください． from ########## import PolynomialFeatures [Q1 選択肢] 1. sklearn.metircs 2. sklearn.preprocessing 3. sklearn.model_selection #Q2：多項式回帰モデル用のクラスをインポートしてください． from sklearn.linear_model import ########## [Q2 選択肢] 1. ElasticNet 2. LinearRegression 3. Rasso np.random.seed(0) m = 100 X = 6 * np.random.rand(m, 1) – 3 y = 3 * X ** […]

バイアスについて説明している以下の文の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． バイアスの高いモデルは訓練データに対して (Q1____ ) しやすい． 1. 過学習 2. 汎化 3. 過小適合

バイアスについて説明している以下の文の空欄に入る適切な単語を選択肢から選んでください． バイアスと分散（バリアンス）は（Q1 ___ ）の関係にある． よって過学習ぎみののモデルは（Q2 ___ ) が大きく、（Q3 ____ ) が小さい． [Q1 選択肢] 1. 比例 2. 線形従属 3. 一次独立 4. トレードオフ [Q2 選択肢] 1. バイアス 2. 分散