| 1449 |
ある分類モデルの適合率（Precision）が 0.6、再現率（Recall）が 0.4 であるとき、このモデルのF値（F1スコア）として正しいものを選択せよ。
|
解説
|
| 1450 |
2値分類モデルの評価において、真陽性(TP)が50、真陰性(TN)が40、偽陽性(FP)が5、偽陰性(FN)が5であるとき、このモデルの正解率（Accuracy）として正しいものを選択せよ。
|
解説
|
| 1451 |
回帰モデルの検証において、正解データが [10, 20, 30] であり、予測値が [12, 18, 35] であるとき、平均絶対値誤差（MAE）として正しいものを選択せよ。
|
解説
|
| 1452 |
4×4の入力特徴マップに対し、2×2のフィルタ、ストライド2の条件で最大値プーリング（Max Pooling）を適用したとき、出力される特徴マップのサイズとして正しいものを選択せよ。
|
解説
|
| 1453 |
重みベクトルが [-3, 0, 4, -2] であるとき、このベクトルのL1正則化項（L1ノルム）のペナルティ値として正しいものを選択せよ。
|
解説
|
| 1454 |
ある2値分類モデルにおいて、真陽性(TP)が30、偽陽性(FP)が10、偽陰性(FN)が5であるとき、このモデルの適合率（Precision）として正しいものを選択せよ。
|
解説
|
| 1455 |
ある病気の検査モデルを評価したところ、真陽性(TP)が80、偽陰性(FN)が20、偽陽性(FP)が10、真陰性(TN)が90であった。このモデルの再現率（Recall）として正しいものを選択せよ。
|
解説
|
| 1456 |
縦横サイズ227×227の入力画像に対し、11×11のフィルタ、パディング0、ストライド4で畳み込み処理を行った。出力される特徴マップの縦横サイズとして正しいものを選択せよ。
|
解説
|
| 1457 |
入力ノード数が256個、出力ノード数が128個である全結合層が存在する。この全結合層におけるパラメータ（重みとバイアス）の総数として正しいものを選択せよ。
|
解説
|
| 1458 |
ある予測モデルの実際の値（正解）が [10, 20, 30] であり、予測値が [11, 21, 35] であった。このデータの二乗平均平方根誤差（RMSE）として正しいものを選択せよ。
|
解説
|
| 1459 |
分類モデルの性能評価において、適合率（Precision）が 0.9、再現率（Recall）が 0.6 であった。このときのF値（F1スコア）として正しいものを選択せよ。
|
解説
|
| 1460 |
ある2×2の入力領域の数値が [[4, 8], [2, 6]] であるとき、この領域に平均値プーリング（Average Pooling）を適用した際の出力値として正しいものを選択せよ。
|
解説
|
| 1461 |
機械学習モデルの重みベクトルが w = [2, -3, 6] であるとき、この重みベクトルに対するL2正則化項（L2ノルムの二乗）の値として正しいものを選択せよ。
|
解説
|
| 1462 |
全100文書からなるコーパスにおいて、ある単語Aが出現する文書数が10文書であった。IDFを log10(全文書数 / 単語が出現する文書数) と定義するとき、特定文書内での単語Aの出現頻度（TF）が0.3である場合のTF-IDF値として正しいものを選択せよ。
|
解説
|
| 1463 |
混同行列において、真陽性(TP)が40、偽陽性(FP)が10、偽陰性(FN)が20、真陰性(TN)が130であるとき、このモデルの適合率（Precision）として正しいものを選択せよ。
|
解説
|
| 1464 |
入力サイズが 28×28、フィルタサイズが 5×5、ストライドが 1 のとき、出力サイズを入力と同じ 28×28 に保つために必要なパディング数（画像の上下左右に追加するピクセル数）として正しいものを選択せよ。
|
解説
|
| 1465 |
ある分類モデルの性能評価において、真陽性(TP)が70、偽陰性(FN)が30、偽陽性(FP)が10、真陰性(TN) half/90であった。このモデルの再現率（Recall）として正しいものを選択せよ。
|
解説
|
| 1466 |
縦横サイズ65×65の入力画像に対し、フィルタサイズ5×5、パディング2、ストライド2で畳み込み演算を行った。出力される特徴マップの縦横サイズとして正しいものを選択せよ。
|
解説
|
| 1467 |
前層のノード数が512個、続く全結合層の出力ノード数が256個であるとき、この全結合層に含まれるパラメータ（重みとバイアス）の総数として正しいものを選択せよ。
|
解説
|
| 1468 |
ある予測モデルの実際の値が [10, 20, 30, 40] であり、予測値が [14, 16, 34, 36] であった。この予測結果における二乗平均平方根誤差（RMSE）として正しいものを選択せよ。
|
解説
|
| 1469 |
評価対象の機械学習モデルにおいて、適合率（Precision）が0.8、再現率（Recall）が0.2であるとき、このモデルのF値（F1スコア）として正しいものを選択せよ。
|
解説
|
| 1470 |
2×2の入力領域の数値が [[3, 9], [1, 7]] であるとき、この領域に最大値プーリング（Max Pooling）を適用した場合の出力値として正しいものを選択せよ。
|
解説
|
| 1471 |
重みベクトルが w = [4, -2, 0, -5] であるとき、このベクトルに対するL1正則化項（L1ノルム）の値として正しいものを選択せよ。
|
解説
|
| 1472 |
全100文書から構成されるコーパスにおいて、ある単語Xが含まれる文書数が1文書であった。IDFを log10(全文書数 / 単語が含まれる文書数) と定義するとき、特定の文書における単語Xの出現頻度（TF）が0.4であった場合のTF-IDF値として正しいものを選択せよ。
|
解説
|
| 1473 |
入力サイズが32×32、フィルタサイズが7×7、ストライドが1の畳み込み層において、出力サイズを入力と同じ32×32に維持するために必要なパディング数（外周に追加するピクセル幅）として正しいものを選択せよ。
|
解説
|
| 1474 |
ある2値分類モデルの検証において、真陽性(TP)が120、真陰性(TN)が60、偽陽性(FP)が10、偽陰性(FN)が10であった。このモデルの正解率（Accuracy）として正しいものを選択せよ。
|
解説
|
| 1475 |
ある2値分類モデルの性能評価結果において、真陽性(TP)が60、偽陽性(FP)が20、偽陰性(FN)が15、真陰性(TN)が105となった。このモデルの適合率（Precision）として正しいものを選択せよ。
|
解説
|
| 1476 |
あるニューラルネットワークにおいて、前層のノード数が50個、続く全結合層の出力ノード数が20個である。この全結合層におけるパラメータ（重みとバイアス）の総数として正しいものを選択せよ。
|
解説
|
| 1477 |
縦横サイズ31×31の入力画像に対し、フィルタサイズ5×5、パディング2、ストライド2で畳み込み処理を行った。出力される特徴マップの縦横サイズとして正しいものを選択せよ。
|
解説
|
| 1478 |
回帰モデルの評価において、正解データが [10, 20, 30] であり、モデルによる予測値が [12, 17, 34] であった。このデータの平均絶対値誤差（MAE）として正しいものを選択せよ。
|
解説
|