重要度：B 論点：訓練データと検証データ
問222：過学習を防ぎモデルの汎化性能を確かめるため、学習に使わず評価用に分けておくデータを何というか。
解答を見る
検証データ(バリデーションデータ)。ハイパーパラメータ調整やモデル選択に使う。学習には訓練データ、最終評価には調整にも使わないテストデータを用いる。分割評価の手法が交差検証である。
重要度：C 論点：次元削減
問223：多数の特徴量を、情報をできるだけ保ちつつ少数の特徴量に圧縮する処理を何というか。
解答を見る
次元削減。主成分分析(PCA)などがあり、可視化や計算効率化に用いる教師なし学習の一種である。
重要度：C 論点：ROC曲線とAUC
問224：二値分類の性能を、しきい値を変えながら描いた曲線の下側面積で評価する指標を何というか。
解答を見る
AUC(ROC曲線下面積)。1に近いほど分類性能が高いことを示す。
重要度：C 論点：プロンプト
問225：生成AIに対して、望む出力を得るために与える指示文・入力を何というか。
解答を見る
プロンプト。指示の工夫で出力の質が変わるため、設計はプロンプトエンジニアリングと呼ばれる。
重要度：B 論点：データクレンジング
問226：分析の前処理として、欠損・重複・表記ゆれなどの不備を修正しデータの品質を整える作業を何というか。
解答を見る
データクレンジング。分析精度を左右する重要な前処理である。
コメント