FUNDAMENTAL INFORMATION TECHNOLOGY ENGINEER
基本情報技術者の問題解説：分類や回帰で用いられる、入力データと正解ラベルの組から学習す…
問題
分類や回帰で用いられる、入力データと正解ラベルの組から学習する方法はどれか。
- ア 少量のラベル付きと大量のラベルなしデータを組合せる学習方法
- イ 入力と正解ラベルの組でモデルを訓練する学習方法（正解）
- ウ 試行錯誤で報酬を最大化する学習方法
- エ 正解ラベルなしでパターンを発見する学習方法
出典：オリジナル問題｜参考範囲：試験要綱Ver.5.5 / FEシラバスVer.9.2 科目A範囲
正解と解説
正解：入力と正解ラベルの組でモデルを訓練する学習方法
教師あり学習とは：入力データと正解ラベルの組から学習し、分類や回帰に使う方法が教師あり学習です。例えば、過去の顧客データと購入有無を学習して新規顧客の購入可能性を予測する場合は、正解ラベル付きデータを使うので教師あり学習になります。
ほかの選択肢との違い：少量のラベル付きデータと大量のラベルなしデータを使うのは半教師あり学習、報酬を最大化する行動を学ぶのは強化学習、正解ラベルなしでクラスタなどを見つけるのは教師なし学習です。ラベルの有無で切り分けると迷いません。
分類と回帰の違い：教師あり学習は出力の種類で二つに分かれます。「迷惑メールか否か」のようにカテゴリを当てるのが分類、「来月の売上は何円か」のように連続した数値を予測するのが回帰です。どちらも正解ラベル付きデータで学ぶ点は共通で、予測対象が離散値か連続値かで使い分けます。
他の選択肢はなぜ違う？
- アラベル付き少量＋ラベルなし大量は半教師あり学習。
- ウ報酬の最大化を試行錯誤で学ぶのは強化学習。
- エラベルなしでパターンを発見するのは教師なし学習。
この問題について
IPAが公開するシラバス・試験範囲・公開問題の出題形式を参考にした独自作成問題。公式問題・過去問題の転載ではありません。
公式試験問題、過去問題、公式サンプル問題、市販教材の問題文を転載したものではありません。