基礎 予想9
回帰直線に関する記述のうち適切なものはどれか。
出典：ソフトウェア開発 平成18年秋午前 問3
正解の理由
回帰直線は、図に表示された各点の真ん中を通るイメージの線です。
相関係数は、2種類の変数間の（直線的な）関係の強さを示します。
下図のように、「相関係数の値が異なっていても、同一の回帰直線が求められること」があります。
よって、正解は ウ です。
不正解の理由
ア 「回帰直線のグラフが原点を通ること」はあります。
イ 「相関係数」と「回帰直線の傾き」は、関係ありません。
エ 下図のように、「相関係数の値が負のとき」も回帰直線が求められます。
基礎 予想10
グラフに示される頂点 V1からV4 、V5、V6の各点への最短所要時間を求め、短い順に並べたものはどれか。 ここで、 グラフ中の数値は各区間の所要時間を表すものとし、最短所要時間が同ーの場合には添字の小さい順に並べるものとする。
出典：応用情報 平成26年秋午前 問5
正解の理由
グラフは、モノとモノのつながりを簡潔に記述し、解析できます。
V1をスタートして、所要時間の少ないほうの区間を選んで目標に向かいます。
上図から、最短所要時間を比較すると V4＜V6＜V5
よって、正解は イ です。
基礎 予想11
ノードとノードの間のエッジの有無を、隣接行列を用いて表す。ある無向グラフの隣接行列が次の場合、グラフで表現したものはどれか。ここで、ノードを隣接行列の行と列に対応させて、ノード間にエッジが存在する場合は1で、エッジが存在しない場合は0で示す。
出典：基本情報 令和元年秋午前 問3
正解の理由
グラフは、モノとモノのつながりを簡潔に記述し、解析できます。
グラフのノード（点）は路線図でいう駅、エッジ（辺）は路線図でいう線路に相当します。
隣接行列は、エッジ（辺）があるところに 1、ないところに 0 を格納した行列です。
選択肢を確認すると、
よって、正解は ウ です。
基礎 予想12
AIにおける過学習の説明として、最も適切なものはどれか。
出典：応用情報 令和4年秋午前 問4
正解の理由
イ 「学習に使った訓練データに対しては精度が高い結果となる」「未知のデータに対しては精度が下がる。」とあるので、過学習の説明です。
過学習とは、機械学習を行う際にあらかじめ用意してある訓練データに過剰に適合しすぎ、未知データ（テストデータ）に対しては予測の性能が下がる（汎用性がなくなった）状態のことを指します。
よって、正解は イ です。
不正解の理由
ア 「ある領域で学習した学習済みモデルを、別の領域に再利用する」とあるので、転移学習の説明です。
転移学習は、特定の領域で学習させたモデルを別の領域に適用する手法です。
学習済みのモデルに新たにモデルを追加し、学習済み部分のパラメータは変更せずに、別のデータセットを用いて再学習（モデルのパラメータを微調整）します。
ウ 「結果側から逆方向に学習させて、その差を少なくする。」とあるので、バックプロパゲーションの説明です。
バックプロパゲーションは、ニューラルネットワークのトレーニング（調整）を効率よく行うアルゴリズムです。
ニューラルネットワークの出力と正解との誤差をもとに、出力側から入力側へとさかのぼって、ニューラルネットワークの重みとバイアスを最適化します。
エ 「学習目標として成功と判断するための報酬を与えることによって、何が成功か分かるようにする。」とあるので、強化学習の説明です。
基礎 予想13
AIにおける転移学習の説明として、最も適切なものはどれか。
出典：応用情報 令和４年秋午前 問4 一部改変
正解の理由
エ 「ある領域で学習した学習済みモデルを、別の領域に再利用する」とあるので、転移学習の説明 です。
転移学習は、特定の領域で学習させたモデルを別の領域に適用する手法です。
学習済みのモデルに新たにモデルを追加し、学習済み部分のパラメータは変更せずに、別のデータセットを用いて再学習（モデルのパラメータを微調整）します。
よって、正解は エ です。
不正解の理由
ア 「学習に使った訓練データに対しては精度が高い結果となる」「未知のデータに対しては精度が下がる。」とあるので、過学習の説明です。
イ 「結果側から逆方向に学習させて、その差を少なくする。」とあるので、バックプロパゲーションの説明です。
バックプロパゲーションは、ニューラルネットワークのトレーニング（調整）を効率よく行うアルゴリズムです。
ニューラルネットワークの出力と正解との誤差をもとに、出力側から入力側へとさかのぼって、ニューラルネットワークの重みとバイアスを最適化します。
ウ 「学習目標として成功と判断するための報酬を与えることによって、何が成功か分かるようにする。」とあるので、強化学習の説明です。
コメント