Category Archives: 未分類

とあるカメラメーカーのエンジニアが顔認証技術を応用して、画面内の人物が「日本人」かどうかを判定できる AI を開発しました． 早速、この AI を搭載したカメラで、たまたま側を通りかかった「東アジア系の男性」を撮影してみました． すると、AI の判定結果は「日本人ではい」となりました． この男性が Q1 or Q2 の時、この判定結果は混同行列の要素 1 ~ 4 のうち、どれに当てはまるか選んでください． Q1：この男性は日本人である． Q2：この男性は中国人である． 1. 真陽性 2. 真陰性 3. 偽陽性 4. 偽陰性

以下のコードでは、ランダムサーチによって SVM の最適なハイパーパラメータを探索しています． コード内で空欄になっている行に入る適切なものを1 ~ 3 からそれぞれ選び、空欄 Q1 ~ Q2 を埋めてください. また、今回は scipy.stats モジュールを使用して 0 ~ 1000 の一様分布の中から、最適なパラメータの値を探索しています． import scipy.stats from sklearn.datasets import load_digits from sklearn.svm import SVC from ########## import RandomizedSearchCV [Q1 選択肢] 1. skleran.decomposition 2. sklearn.model_selection 3. sklearn.linear_model from sklearn.model_selection import train_test_split from sklearn.metrics import f1_score data = load_digits() train_X, test_X, train_y, test_y […]

以下のコードでは、ランダムサーチによって SVM の最適なハイパーパラメータを探索しています． コード内で空欄になっている行に入る適切なものを1 ~ 3 からそれぞれ選び、空欄 Q1 ~ Q2 を埋めてください. また、今回は scipy.stats モジュールを使用して 0 ~ 1000 の一様分布の中から、最適なパラメータの値を探索しています． import scipy.stats from sklearn.datasets import load_digits from sklearn.svm import SVC from ########## import RandomizedSearchCV [Q1 選択肢] 1. skleran.model_selection 2. sklearn.model_selections 3. sklearn.model_select from sklearn.model_selection import train_test_split from sklearn.metrics import f1_score data = load_digits() train_X, test_X, train_y, test_y […]

ハイパーパラメータを説明している以下の文の空欄 Q1 に入る適切な言葉を選択肢 1 ~ 3 から選んでください． ハイパーパラメータとは ML モデルが持つパラメータの中で ( Q1_____ ) が調節をしないといけないパラメータのことである． 1. 人 2. AI 3. 神さま

以下の文の空欄 Q1 に入る適切な言葉を選択肢 1 ~ 3 から選んでください． ( Q1_____ ) とは、 ML モデルが持つパラメータの中で人が調節をしないといけないパラメータのことである． 1. 自由度 2. 平均情報量（エントロピー） 3. ハイパーパラメータ

以下の文の空欄 Q1 に入る適切な言葉を選択肢 1 ~ 3 から選んでください． （Q1 ____ ) とは、線形回帰モデルや、ランダムフォレストのような機械学習モデルをクラスとして用意している Python のライブラリである． [選択肢] 1. scikit-learn 2. Numpy 3. Pandas 4. keras

以下の文の空欄 Q1 に入る適切な言葉を選択肢 1 ~ 3 から選んでください． （Q1 ____ ) とは、線形回帰モデルや、ランダムフォレストのような機械学習モデルをクラスとして用意している Python のライブラリである． [選択肢] 1. TensorFlow 2. Pytorch 3. Keras 4. scikit-learn

scikit-learn で取り扱っているカテゴリのうち、正しくないものを 選択肢から 1 つ選んでください． [選択肢] 1. 前処理: より高度な欠損値の処理や順序特徴量などの処理 2. 分類: ロジスティック回帰やサポートベクターマシンや決定木による分類 3. 回帰: 線形回帰、Lasso回帰、Ridge回帰、SVM回帰などの回帰 4. クラスタリング: 特徴の似ているものでグルーピング 5. 次元削減: 多次元のデータの次元を削減 6. 畳み込み演算：画像から畳み込みによってエッジなどの特徴を抽出 7. モデル選択: 過学習を避ける方法やパラメーターのチューニングやアンサンブル学習

scikit-learn で取り扱っているカテゴリのうち、正しくないものを 選択肢から 1 つ選んでください． [選択肢] 1. 前処理: より高度な欠損値の処理や順序特徴量などの処理 2. 分類: ロジスティック回帰やサポートベクターマシンや決定木による分類 3. ファインチューニング：事前学習済みの CNN モデルの利用 4. クラスタリング: 特徴の似ているものでグルーピング 5. 次元削減: 多次元のデータの次元を削減 6. 回帰: 線形回帰、Lasso回帰、Ridge回帰、SVM回帰などの回帰 7. モデル選択: 過学習を避ける方法やパラメーターのチューニングやアンサンブル学習

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、 グリッドサーチによって SVM の最適なハイパーパラメータを探索してください． import scipy.stats from sklearn.datasets import load_digits from sklearn.svm import SVC # Q1：GridSearchCV クラスをインポートしてください． from ########## import GridSearchCV [Q1選択肢] 1. sklearn.model_selection 2. skleran.linear_model 3. sklearn.tree from sklearn.model_selection import train_test_split from sklearn.metrics import f1_score data = load_digits() train_X, test_X, train_y, test_y = train_test_split(data.data, data.target, random_state=42) model_param_set_grid = {SVC(): { […]