HOME
JDLA E資格 (エンジニア)

「JDLA E資格 (エンジニア)」の記事一覧

学習における「1エポック（Epoch）」の定義はどれか。

エポックは、学習用データセットの全データが一通りニューラルネットワークを通過した（学習された）単位…

2026年3月13日

勾配消失問題の原因として最も関連が深いものはどれか。

シグモイド関数などの微分値が最大0.25となる関数を多層に重ねると、誤差逆伝播の過程で勾配が0に近づき、…

2026年3月13日

CNNにおける「パディング（Padding）」の主な目的はどれか。

畳み込み処理によって画像サイズが小さくなるのを防ぐため、画像の周囲に0などを埋めてサイズを維持・調整…

2026年3月13日

ハイパーパラメータ探索手法「グリッドサーチ」の特徴はどれか。

グリッドサーチは、候補となる値を設定し、そのすべての組み合わせをしらみつぶしに計算して最適なものを…

2026年3月13日

線形回帰モデルにおいて、誤差項（残差）に対して通常仮定される分布はどれか。

通常の最小二乗法による線形回帰では、誤差項が平均0、分散一定の正規分布に従う（等分散性・正規性）と仮…

2026年3月13日

ホールドアウト法の欠点として挙げられるものはどれか。

データを一度だけ学習用とテスト用に分割するため、分割の運によって性能評価が偏る可能性がある。

2026年3月13日

不均衡データの対処法の一つである「アンダーサンプリング」とは何か。

アンダーサンプリングは、データ数が多いクラス（多数派）からランダムにデータを削除し、少数派と件数を…

2026年3月13日

SVMにおける「ソフトマージン」の説明として正しいものはどれか。

ソフトマージンSVMは、スラック変数を導入して誤分類にペナルティを与えつつ、完全分離できないデータにも…

2026年3月13日

ナイーブベイズ分類器が置いている「ナイーブ（単純）」な仮定とは何か。

ナイーブベイズは、クラスが与えられた条件下で、各特徴量が互いに独立であるという強い仮定を置くことで…

2026年3月13日

アンサンブル学習の「ブースティング」の基本的な考え方はどれか。

ブースティングは弱学習器を直列に繋げ、前の学習器が間違えたデータに重みを付けて学習することで精度を…

2026年3月13日