ICHIGEKI WordPress on KUSANAGI

過学習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．

1. パラメータが多い複雑なモデルほど、過学習は起きずらい．
2. モデルベース学習よりもインスタンスベース学習の方が過学習が起きやすい．
3. 十分に汎化している状態のことを過学習という．

過学習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．

1. パラメータが数が少ないほど学習が早く進むため、過学習しやすくなる．
2. 過学習しているモデルは、データのノイズに敏感に反応する
3. 過学習しているモデルは、一般的に訓練が足りていないので、訓練回数をさらに増やすと良い．

過小適合の対策として正しくないものを選択肢 1 ~ 3 から選んでください．

1. モデルは、パラメータが少ない単純なものにする．
2. 正則化を緩める．
3. モデルに与える特徴量をチューニングする．

Q1：選択肢 1 ~ 3 のうち誤りがあるものを選んでください．

1. 訓練セットでモデルを訓練し、未知のデータを予測することは機械学習といえる．
2. 統計学とは、データを解析し、その事象の背景を調べる学問体系である．
3. 回帰問題では、訓練セットよりもテストセットの方がデータの量は多い．

Q1：選択肢 1 ~ 3 のうち文章の内容が正しいものを選んでください．

1. モデルが新しいデータに汎化できているかを確認するのが検証セットである
2. 教師あり学習では、テストセットも検証セットも必要ない
3. 分類問題では、テストセットは必要なく、検証セットだけで十分である．

過小適合の対策として正しくないものを選択肢 1 ~ 3 から選んでください．

1. モデルのパラメータを増やして複雑化する．
2. モデルの自由度を上げる．
3. コスト関数に正則を加える．

特徴量エンジニアリングの説明として正しくないものを選択肢 1 ~ 3 から選んでください．

1. 既存の特徴から訓練に最も役立つ特徴量を選択する．
2. 既存の特徴量を組み合わせて、より役立つ新たな特徴量を生成する．
3. 汎化性能の高いモデルを作るために、外れ値のような特徴量を追加する．

モデルの訓練の説明となるように以下の空欄に該当するものを選択肢 1 ~ 3 から選んでください．

モデルの訓練とは、(Q1 ____ ) を最小化するモデルの (Q2 _____ ) の組み合わせを見つけ出すこと．

[Q1、Q2 の選択肢]
1. 汎化性能
2. 類似度
3. パラメータ
4. コスト関数
5. ハイパーパラメータ
6. 訓練インスタンス

モデルの訓練の説明となるように以下の空欄に該当するものを選択肢 1 ~ 3 から選んでください．

モデルの訓練とは、そのモデルが訓練インスタンスに最も適合するための ( _____ ) の組み合わせを見つけ出すこと．

1. コスト関数
2. 類似度
3. パラメータ

コスト関数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．

1. モデルはコスト関数を最大化するように訓練される．
2. モデルはコスト関数を初期値に維持するように訓練される．
3. モデルはコスト関数を最小化するように訓練される．