「AP過去問 令和6年度秋期 午前 問2」の版間の差分
編集の要約なし |
編集の要約なし |
||
| 1行目: | 1行目: | ||
[[AP過去問 令和6年度秋期 午前#問題 | [[AP過去問 令和6年度秋期 午前#問題|AP過去問 令和6年度秋期 午前 問題]]に戻る | ||
[[AP過去問 令和6年度秋期 午前 問1]]へ | [[AP過去問 令和6年度秋期 午前 問1]]へ | ||
| 6行目: | 6行目: | ||
=='''問2(問題文)'''== | =='''問2(問題文)'''== | ||
AIにおける教師あり学習での交差検証に関する記述はどれか。 | |||
ア 過学習を防ぐために、回帰モデルに複雑さを表すペナルティ項を加え、訓練データへ過剰に適合しないようにモデルを調整する。 | |||
イ 学習の精度を高めるために、複数の異なるアルゴリズムのモデルで学習し、学習の結果は組み合わせて評価する。 | |||
ウ 学習モデルの汎化性能を高めるために、単一のモデルで関連する複数の課題を学習することによって、課題間に共通する要因を獲得する。 | |||
エ 学習モデルの汎化性能を評価するために、データを複数のグループに分割し、一部を学習に残りを評価に使い、順にグループを入れ替えて学習と評価を繰り返す。 | |||
| 11行目: | 20行目: | ||
=='''回答・解説'''== | =='''回答・解説'''== | ||
ア 正則化の説明です。 | |||
イ アンサンブル学習の説明です。 | |||
ウ マルチタスク学習の説明です。 | |||
エ 交差検証の説明です。正しい。収穫したデータを教師データ(学習データ)と評価データに分けて学習を行う。学習を終えたモデルが学習に使った入力データのみだけでなく未知の入力に対しても高い精度で判定を行えるかという性能つまり汎化性能を評価するためにデータを複数のグループに分割し一部を学習に残りを評価に使い、順にグループを入れ替えて学習と評価を繰り返す。 | |||
したがって | |||
<span style = "background:linear-gradient(transparent 75%, #7fbfff 75%); font-weight:bold; "> | |||
エ</span> | |||
が答えです。 | |||
| 19行目: | 44行目: | ||
[[AP過去問 令和6年度秋期 午前 問3]]へ | [[AP過去問 令和6年度秋期 午前 問3]]へ | ||
[[AP過去問 令和6年度秋期 午前#問題 | [[AP過去問 令和6年度秋期 午前#問題|AP過去問 令和6年度秋期 午前 問題]]に戻る | ||
2024年11月26日 (火) 17:03時点における最新版
問2(問題文)
AIにおける教師あり学習での交差検証に関する記述はどれか。
ア 過学習を防ぐために、回帰モデルに複雑さを表すペナルティ項を加え、訓練データへ過剰に適合しないようにモデルを調整する。
イ 学習の精度を高めるために、複数の異なるアルゴリズムのモデルで学習し、学習の結果は組み合わせて評価する。
ウ 学習モデルの汎化性能を高めるために、単一のモデルで関連する複数の課題を学習することによって、課題間に共通する要因を獲得する。
エ 学習モデルの汎化性能を評価するために、データを複数のグループに分割し、一部を学習に残りを評価に使い、順にグループを入れ替えて学習と評価を繰り返す。
回答・解説
ア 正則化の説明です。
イ アンサンブル学習の説明です。
ウ マルチタスク学習の説明です。
エ 交差検証の説明です。正しい。収穫したデータを教師データ(学習データ)と評価データに分けて学習を行う。学習を終えたモデルが学習に使った入力データのみだけでなく未知の入力に対しても高い精度で判定を行えるかという性能つまり汎化性能を評価するためにデータを複数のグループに分割し一部を学習に残りを評価に使い、順にグループを入れ替えて学習と評価を繰り返す。
したがって
エ
が答えです。