HOME
Lv006

「Lv006」の記事一覧

過学習を防ぐために、損失関数に重みの大きさを加える手法を何というか。

L1正則化（Lasso）やL2正則化（Ridge）がある。

2026年3月3日

確率論に基づき、各特徴量が独立であると仮定して分類を行うアルゴリズムは何か。

単純ベイズ分類器。テキスト分類によく使われる。

2026年3月3日

複数の弱学習器を逐次的に学習させ、前の学習器のミスを補うように学習する手法は何か。

XGBoostやLightGBMなどが含まれる。

2026年3月3日

教師なし学習で、高次元のデータを情報を保ちつつ低次元に落とし込む手法は何か。

データの可視化や前処理に利用される。

2026年3月3日

新しいデータに対して、距離が近いk個のデータの多数決で分類を決める手法は何か。

シンプルだがデータ量が多いと計算コストが高い。

2026年3月3日

名前に「回帰」と付くが、実際には分類問題（特に2値分類）に用いられるモデルは何か。

出力をシグモイド関数で0〜1の確率に変換する。

2026年3月3日

複数の決定木を組み合わせて、多数決や平均によって予測精度を高める手法は何か。

バギングを用いたアンサンブル学習の代表例。

2026年3月3日

分類問題において、データの境界（マージン）を最大化するように学習するアルゴリズムは何か。

マージン最大化により汎化性能を高める。

2026年3月3日

条件分岐を繰り返すことでデータを分類または回帰する、木構造のモデルは何か。

解釈性が高く、可視化しやすい。

2026年3月3日

入力変数と出力変数の間に直線を当てはめて予測する最も単純な回帰モデルは何か。

y = ax + b の形式で表される。

2026年3月3日