機械学習・数理統計

教師あり学習

「教師あり学習」の分野として、回帰・線形回帰、分類・ロジスティック回帰・SVM、決定木・ランダムフォレスト・アンサンブルを扱う。

30問

1. 回帰・線形回帰

   問題ID g_kentei_s02_0001

   回帰と分類を区別できる。

2. 回帰・線形回帰

   問題ID g_kentei_s02_0002

   線形回帰係数の意味を説明できる。

3. 回帰・線形回帰

   問題ID g_kentei_s02_0003

   最小二乗法の目的関数を説明できる。

4. 回帰・線形回帰

   問題ID g_kentei_s02_0004

   残差の意味を理解する。

5. 回帰・線形回帰

   問題ID g_kentei_s02_0005

   MSEの意味を判断できる。

6. 回帰・線形回帰

   問題ID g_kentei_s02_0006

   R²の意味と限界を理解する。

7. 回帰・線形回帰

   問題ID g_kentei_s02_0007

   重回帰係数を適切に解釈できる。

8. 回帰・線形回帰

   問題ID g_kentei_s02_0008

   外挿のリスクを判断できる。

9. 回帰・線形回帰

   問題ID g_kentei_s02_0009

   多重共線性の影響を説明できる。

10. 回帰・線形回帰

    問題ID g_kentei_s02_0010

    二乗損失と外れ値の関係を理解する。

11. 回帰・線形回帰

    問題ID g_kentei_s02_0011

    正則化付き線形回帰の目的を理解する。

12. 回帰・線形回帰

    問題ID g_kentei_s02_0012

    回帰評価におけるデータ分割の意義を理解する。

13. 分類・ロジスティック回帰・SVM

    問題ID g_kentei_s02_0013

    分類と他の学習問題を区別できる。

14. 分類・ロジスティック回帰・SVM

    問題ID g_kentei_s02_0014

    ロジスティック回帰の出力を理解する。

15. 分類・ロジスティック回帰・SVM

    問題ID g_kentei_s02_0015

    ロジットと線形予測子の関係を理解する。

16. 分類・ロジスティック回帰・SVM

    問題ID g_kentei_s02_0016

    分類閾値の影響を判断できる。

17. 分類・ロジスティック回帰・SVM

    問題ID g_kentei_s02_0017

    分類損失の意味を理解する。

18. 分類・ロジスティック回帰・SVM

    問題ID g_kentei_s02_0018

    SVMの最大マージンを理解する。

19. 分類・ロジスティック回帰・SVM

    問題ID g_kentei_s02_0019

    サポートベクタの役割を説明できる。

20. 分類・ロジスティック回帰・SVM

    問題ID g_kentei_s02_0020

    カーネルトリックを説明できる。

21. 分類・ロジスティック回帰・SVM

    問題ID g_kentei_s02_0021

    SVMのCの役割を理解する。

22. 分類・ロジスティック回帰・SVM

    問題ID g_kentei_s02_0022

    二値分類器の多クラス拡張を理解する。

23. 決定木・ランダムフォレスト・アンサンブル

    問題ID g_kentei_s02_0023

    決定木の分割原理を理解する。

24. 決定木・ランダムフォレスト・アンサンブル

    問題ID g_kentei_s02_0024

    Gini不純度を解釈できる。

25. 決定木・ランダムフォレスト・アンサンブル

    問題ID g_kentei_s02_0025

    決定木の過学習を判断できる。

26. 決定木・ランダムフォレスト・アンサンブル

    問題ID g_kentei_s02_0026

    baggingの仕組みを理解する。

27. 決定木・ランダムフォレスト・アンサンブル

    問題ID g_kentei_s02_0027

    ランダムフォレストの特徴を説明できる。

28. 決定木・ランダムフォレスト・アンサンブル

    問題ID g_kentei_s02_0028

    boostingとbaggingを区別できる。

29. 決定木・ランダムフォレスト・アンサンブル

    問題ID g_kentei_s02_0029

    アンサンブル集約の意義を理解する。

30. 決定木・ランダムフォレスト・アンサンブル

    問題ID g_kentei_s02_0030

    OOB評価を説明できる。

教師なし学習

「教師なし学習」の分野として、クラスタリング、主成分分析・次元削減、異常検知・データ構造の把握を扱う。

30問

31. クラスタリング

    問題ID g_kentei_s02_0031

    クラスタリングを他の学習と区別できる。

32. クラスタリング

    問題ID g_kentei_s02_0032

    k-meansの目的関数を理解する。

33. クラスタリング

    問題ID g_kentei_s02_0033

    k-meansの入力条件を理解する。

34. クラスタリング

    問題ID g_kentei_s02_0034

    k-meansの更新手順を説明できる。

35. クラスタリング

    問題ID g_kentei_s02_0035

    距離ベース手法のスケーリング問題を理解する。

36. クラスタリング

    問題ID g_kentei_s02_0036

    初期値依存性を理解する。

37. クラスタリング

    問題ID g_kentei_s02_0037

    階層型クラスタリングを理解する。

38. クラスタリング

    問題ID g_kentei_s02_0038

    デンドログラムを解釈できる。

39. クラスタリング

    問題ID g_kentei_s02_0039

    DBSCANの性質を理解する。

40. クラスタリング

    問題ID g_kentei_s02_0040

    クラスタリングの内部評価を理解する。

41. 主成分分析・次元削減

    問題ID g_kentei_s02_0041

    PCAの目的を説明できる。

42. 主成分分析・次元削減

    問題ID g_kentei_s02_0042

    PCAの中心化の意味を理解する。

43. 主成分分析・次元削減

    問題ID g_kentei_s02_0043

    第1主成分を説明できる。

44. 主成分分析・次元削減

    問題ID g_kentei_s02_0044

    主成分の直交性を理解する。

45. 主成分分析・次元削減

    問題ID g_kentei_s02_0045

    固有値と分散の関係を理解する。

46. 主成分分析・次元削減

    問題ID g_kentei_s02_0046

    累積寄与率を使った次元選択を理解する。

47. 主成分分析・次元削減

    問題ID g_kentei_s02_0047

    PCAと標準化の関係を理解する。

48. 主成分分析・次元削減

    問題ID g_kentei_s02_0048

    PCAが教師なしである理由を説明できる。

49. 主成分分析・次元削減

    問題ID g_kentei_s02_0049

    PCA可視化の限界を理解する。

50. 主成分分析・次元削減

    問題ID g_kentei_s02_0050

    PCAの線形性と限界を理解する。

51. 異常検知・データ構造の把握

    問題ID g_kentei_s02_0051

    異常検知の目的を理解する。

52. 異常検知・データ構造の把握

    問題ID g_kentei_s02_0052

    異常のタイプを区別できる。

53. 異常検知・データ構造の把握

    問題ID g_kentei_s02_0053

    一クラス学習の考え方を理解する。

54. 異常検知・データ構造の把握

    問題ID g_kentei_s02_0054

    Isolation Forestの原理を理解する。

55. 異常検知・データ構造の把握

    問題ID g_kentei_s02_0055

    再構成誤差による異常検知を理解する。

56. 異常検知・データ構造の把握

    問題ID g_kentei_s02_0056

    単純統計による異常検知の限界を理解する。

57. 異常検知・データ構造の把握

    問題ID g_kentei_s02_0057

    異常と分布変化を区別できる。

58. 異常検知・データ構造の把握

    問題ID g_kentei_s02_0058

    探索的データ分析の役割を理解する。

59. 異常検知・データ構造の把握

    問題ID g_kentei_s02_0059

    欠損と外れ値を区別できる。

60. 異常検知・データ構造の把握

    問題ID g_kentei_s02_0060

    不均衡データ評価の問題を理解する。

強化学習

「強化学習」の分野として、エージェント・環境・状態・行動・報酬、価値関数・方策・Q学習、探索と活用・方策学習を扱う。

30問

61. エージェント・環境・状態・行動・報酬

    問題ID g_kentei_s02_0061

    エージェントの役割を理解する。

62. エージェント・環境・状態・行動・報酬

    問題ID g_kentei_s02_0062

    環境の役割を理解する。

63. エージェント・環境・状態・行動・報酬

    問題ID g_kentei_s02_0063

    状態の意味とマルコフ性を理解する。

64. エージェント・環境・状態・行動・報酬

    問題ID g_kentei_s02_0064

    行動の役割を理解する。

65. エージェント・環境・状態・行動・報酬

    問題ID g_kentei_s02_0065

    報酬の意味を理解する。

66. エージェント・環境・状態・行動・報酬

    問題ID g_kentei_s02_0066

    リターンを説明できる。

67. エージェント・環境・状態・行動・報酬

    問題ID g_kentei_s02_0067

    エピソードを理解する。

68. エージェント・環境・状態・行動・報酬

    問題ID g_kentei_s02_0068

    状態遷移を理解する。

69. エージェント・環境・状態・行動・報酬

    問題ID g_kentei_s02_0069

    モデルベースとモデルフリーを区別できる。

70. エージェント・環境・状態・行動・報酬

    問題ID g_kentei_s02_0070

    割引率の役割を理解する。

71. 価値関数・方策・Q学習

    問題ID g_kentei_s02_0071

    方策を説明できる。

72. 価値関数・方策・Q学習

    問題ID g_kentei_s02_0072

    状態価値関数を理解する。

73. 価値関数・方策・Q学習

    問題ID g_kentei_s02_0073

    行動価値関数を理解する。

74. 価値関数・方策・Q学習

    問題ID g_kentei_s02_0074

    Bellman関係を理解する。

75. 価値関数・方策・Q学習

    問題ID g_kentei_s02_0075

    Q-learningの更新ターゲットを理解する。

76. 価値関数・方策・Q学習

    問題ID g_kentei_s02_0076

    off-policyの意味を理解する。

77. 価値関数・方策・Q学習

    問題ID g_kentei_s02_0077

    TD学習の特徴を理解する。

78. 価値関数・方策・Q学習

    問題ID g_kentei_s02_0078

    Q値から方策を導ける。

79. 価値関数・方策・Q学習

    問題ID g_kentei_s02_0079

    SARSAとQ-learningを区別できる。

80. 価値関数・方策・Q学習

    問題ID g_kentei_s02_0080

    Q-learningの収束条件の概略を理解する。

81. 探索と活用・方策学習

    問題ID g_kentei_s02_0081

    探索と活用を説明できる。

82. 探索と活用・方策学習

    問題ID g_kentei_s02_0082

    ε-greedyを理解する。

83. 探索と活用・方策学習

    問題ID g_kentei_s02_0083

    εの影響を判断できる。

84. 探索と活用・方策学習

    問題ID g_kentei_s02_0084

    探索率のスケジュールを理解する。

85. 探索と活用・方策学習

    問題ID g_kentei_s02_0085

    softmax探索を理解する。

86. 探索と活用・方策学習

    問題ID g_kentei_s02_0086

    方策勾配法を理解する。

87. 探索と活用・方策学習

    問題ID g_kentei_s02_0087

    方策勾配の更新直観を理解する。

88. 探索と活用・方策学習

    問題ID g_kentei_s02_0088

    Actor-Criticを理解する。

89. 探索と活用・方策学習

    問題ID g_kentei_s02_0089

    エントロピー正則化を理解する。

90. 探索と活用・方策学習

    問題ID g_kentei_s02_0090

    非定常環境での探索を判断できる。

モデルの選択・評価

「モデルの選択・評価」の分野として、訓練・検証・テスト・交差検証、Accuracy・Precision・Recall・F値・ROC、過学習・未学習・バイアスとバリアンスを扱う。

30問

91. 訓練・検証・テスト・交差検証

    問題ID g_kentei_s02_0091

    訓練データとテストデータの役割を区別できる。

92. 訓練・検証・テスト・交差検証

    問題ID g_kentei_s02_0092

    検証データの目的を説明できる。

93. 訓練・検証・テスト・交差検証

    問題ID g_kentei_s02_0093

    データリークを識別できる。

94. 訓練・検証・テスト・交差検証

    問題ID g_kentei_s02_0094

    k分割交差検証の手順を説明できる。

95. 訓練・検証・テスト・交差検証

    問題ID g_kentei_s02_0095

    層化交差検証の目的を理解する。

96. 訓練・検証・テスト・交差検証

    問題ID g_kentei_s02_0096

    時系列データの評価分割を判断できる。

97. 訓練・検証・テスト・交差検証

    問題ID g_kentei_s02_0097

    ネストした交差検証の役割を理解する。

98. 訓練・検証・テスト・交差検証

    問題ID g_kentei_s02_0098

    テストセットの再利用リスクを説明できる。

99. 訓練・検証・テスト・交差検証

    問題ID g_kentei_s02_0099

    交差検証と最終学習の関係を理解する。

100. 訓練・検証・テスト・交差検証

     問題ID g_kentei_s02_0100

     fold数と評価特性の関係を概念的に理解する。

101. 訓練・検証・テスト・交差検証

     問題ID g_kentei_s02_0101

     グループ単位分割の必要性を判断できる。

102. 訓練・検証・テスト・交差検証

     問題ID g_kentei_s02_0102

     モデル選択と評価データの独立性を判断できる。

103. Accuracy・Precision・Recall・F値・ROC

     問題ID g_kentei_s02_0103

     Accuracyの定義を理解する。

104. Accuracy・Precision・Recall・F値・ROC

     問題ID g_kentei_s02_0104

     Precisionを適切に解釈できる。

105. Accuracy・Precision・Recall・F値・ROC

     問題ID g_kentei_s02_0105

     Recallを適切に解釈できる。

106. Accuracy・Precision・Recall・F値・ROC

     問題ID g_kentei_s02_0106

     F1スコアの性質を理解する。

107. Accuracy・Precision・Recall・F値・ROC

     問題ID g_kentei_s02_0107

     混同行列の構成を理解する。

108. Accuracy・Precision・Recall・F値・ROC

     問題ID g_kentei_s02_0108

     ROC曲線の軸を理解する。

109. Accuracy・Precision・Recall・F値・ROC

     問題ID g_kentei_s02_0109

     AUCを解釈できる。

110. Accuracy・Precision・Recall・F値・ROC

     問題ID g_kentei_s02_0110

     分類しきい値とPrecision/Recallの関係を判断できる。

111. Accuracy・Precision・Recall・F値・ROC

     問題ID g_kentei_s02_0111

     不均衡データでAccuracyの限界を判断できる。

112. Accuracy・Precision・Recall・F値・ROC

     問題ID g_kentei_s02_0112

     ROCとPR曲線の使い分けを概念的に理解する。

113. 過学習・未学習・バイアスとバリアンス

     問題ID g_kentei_s02_0113

     過学習を識別できる。

114. 過学習・未学習・バイアスとバリアンス

     問題ID g_kentei_s02_0114

     未学習を識別できる。

115. 過学習・未学習・バイアスとバリアンス

     問題ID g_kentei_s02_0115

     高バイアスの特徴を理解する。

116. 過学習・未学習・バイアスとバリアンス

     問題ID g_kentei_s02_0116

     高バリアンスの特徴を理解する。

117. 過学習・未学習・バイアスとバリアンス

     問題ID g_kentei_s02_0117

     正則化の効果をバイアス・バリアンスで説明できる。

118. 過学習・未学習・バイアスとバリアンス

     問題ID g_kentei_s02_0118

     学習曲線から改善策を判断できる。

119. 過学習・未学習・バイアスとバリアンス

     問題ID g_kentei_s02_0119

     モデル複雑度と汎化誤差の関係を理解する。

120. 過学習・未学習・バイアスとバリアンス

     問題ID g_kentei_s02_0120

     過学習対策を選択できる。

数理・統計

「数理・統計」の分野として、ベクトル・行列・微分・勾配、確率・確率分布・ベイズの定理、平均・分散・相関・情報量・統計指標を扱う。

30問

121. ベクトル・行列・微分・勾配

     問題ID g_kentei_s02_0121

     ベクトルの内積を解釈できる。

122. ベクトル・行列・微分・勾配

     問題ID g_kentei_s02_0122

     行列積の次元条件を理解する。

123. ベクトル・行列・微分・勾配

     問題ID g_kentei_s02_0123

     転置行列を理解する。

124. ベクトル・行列・微分・勾配

     問題ID g_kentei_s02_0124

     逆行列の存在条件を概念的に理解する。

125. ベクトル・行列・微分・勾配

     問題ID g_kentei_s02_0125

     微分を機械学習の文脈で解釈できる。

126. ベクトル・行列・微分・勾配

     問題ID g_kentei_s02_0126

     勾配ベクトルを理解する。

127. ベクトル・行列・微分・勾配

     問題ID g_kentei_s02_0127

     勾配降下法の更新方向を理解する。

128. ベクトル・行列・微分・勾配

     問題ID g_kentei_s02_0128

     学習率の役割を理解する。

129. ベクトル・行列・微分・勾配

     問題ID g_kentei_s02_0129

     固有値・固有ベクトルを概念的に理解する。

130. ベクトル・行列・微分・勾配

     問題ID g_kentei_s02_0130

     連鎖律の役割を理解する。

131. 確率・確率分布・ベイズの定理

     問題ID g_kentei_s02_0131

     条件付き確率を理解する。

132. 確率・確率分布・ベイズの定理

     問題ID g_kentei_s02_0132

     ベイズの定理の役割を理解する。

133. 確率・確率分布・ベイズの定理

     問題ID g_kentei_s02_0133

     事前・尤度・事後を区別できる。

134. 確率・確率分布・ベイズの定理

     問題ID g_kentei_s02_0134

     独立事象の確率関係を理解する。

135. 確率・確率分布・ベイズの定理

     問題ID g_kentei_s02_0135

     ベルヌーイ分布を識別できる。

136. 確率・確率分布・ベイズの定理

     問題ID g_kentei_s02_0136

     二項分布を識別できる。

137. 確率・確率分布・ベイズの定理

     問題ID g_kentei_s02_0137

     正規分布の基本性質を理解する。

138. 確率・確率分布・ベイズの定理

     問題ID g_kentei_s02_0138

     全確率の法則を概念的に使える。

139. 確率・確率分布・ベイズの定理

     問題ID g_kentei_s02_0139

     ベースレートを考慮したベイズ推論を判断できる。

140. 確率・確率分布・ベイズの定理

     問題ID g_kentei_s02_0140

     期待値を確率分布と結び付けて理解する。

141. 平均・分散・相関・情報量・統計指標

     問題ID g_kentei_s02_0141

     平均の性質を理解する。

142. 平均・分散・相関・情報量・統計指標

     問題ID g_kentei_s02_0142

     分散を理解する。

143. 平均・分散・相関・情報量・統計指標

     問題ID g_kentei_s02_0143

     標準偏差と分散の関係を理解する。

144. 平均・分散・相関・情報量・統計指標

     問題ID g_kentei_s02_0144

     共分散を理解する。

145. 平均・分散・相関・情報量・統計指標

     問題ID g_kentei_s02_0145

     相関係数を適切に解釈できる。

146. 平均・分散・相関・情報量・統計指標

     問題ID g_kentei_s02_0146

     相関係数の尺度不変性を理解する。

147. 平均・分散・相関・情報量・統計指標

     問題ID g_kentei_s02_0147

     自己情報量を理解する。

148. 平均・分散・相関・情報量・統計指標

     問題ID g_kentei_s02_0148

     エントロピーを理解する。

149. 平均・分散・相関・情報量・統計指標

     問題ID g_kentei_s02_0149

     KLダイバージェンスの性質を理解する。

150. 平均・分散・相関・情報量・統計指標

     問題ID g_kentei_s02_0150

     外れ値に対する代表値の頑健性を判断できる。