G検定 大項目3 機械学習の概要 予想問題（2/2）

全予測に対する正解の割合で、不均衡に弱いという点が問われているので、基本的な評価指標の名称を答える。正解は「正解率」である。正解率は、全予測のうち正しく分類できた割合を示す指標で、クラスの数に偏りがあると多数派を当てるだけで高い値になり、実態を見誤りやすい。「F値」は適合率と再現率をまとめた指標、「AUC」はROC曲線の下側の面積、「混同行列」は予測と実際の値を4つの区分で整理した表であり、いずれも全予測のうち正しく分類できた割合を指す用語ではない。したがって、設問の指標は正解率である。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

陽性と予測したものを分母にする点が問われているので、誤検知の少なさを表す指標を答える。正解は「適合率」である。適合率は、陽性と予測したもののうち、実際に陽性だったものの割合を示す。「再現率」は実際に陽性であるもののうち陽性と予測できた割合、「正解率」は全予測のうち正しく分類できた割合、「AUC」はROC曲線の下側の面積であり、いずれも陽性と予測したもののうち実際に陽性だった割合を指す用語ではない。誤検知を減らしたい場面では、この適合率を重視して評価する。したがって、設問の指標は適合率である。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

この事例では「確率出力を二群の分類へ使うか」を確認すると、「ロジスティック回帰」が当てはまると分かる。正解は「ロジスティック回帰」である。線形回帰の考え方を分類に応用し、出力をシグモイド関数で0〜1の値（確率）に変換することで、主に二値分類に用いられる教師あり学習の手法である。主成分分析は特徴量を分散の大きい軸へ変換する次元削減の手法であり分類器ではない。k-means法と階層的クラスタリングはいずれもラベルのないデータをグループ分けする教師なし学習であり、確率を出力して二値分類を行う手法ではない。「出力を確率に変換」「主に二値分類」という条件がロジスティック回帰の目印になる。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

この事例では「決定木を複数組み合わせたアンサンブルか」を確認すると、「ランダムフォレスト」が当てはまると分かる。正解は「ランダムフォレスト」である。データや特徴量をランダムに選んで多数の決定木を作り、それぞれの予測を多数決（分類）や平均（回帰）で統合するアンサンブル学習（バギングの代表例）の手法である。サポートベクターマシンはクラス間のマージンを最大化する境界を1つ学習する手法であり、複数の決定木を組み合わせるものではない。線形回帰は説明変数から連続値を予測する単一のモデル、主成分分析は次元削減の手法であり、いずれも決定木を多数作って統合する仕組みを持たない。「多数の決定木」「多数決や平均で統合」という条件がランダムフォレストの目印になる。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

この事例では「予測と実績を陽性・陰性で交差集計するか」を確認すると、「混同行列」が当てはまると分かる。正解は「混同行列」である。分類モデルの予測結果と実際の正解の組み合わせ（真陽性・偽陽性・偽陰性・真陰性）を表の形にまとめたもので、適合率（精度）や再現率、正解率などを計算するもとになる。散布図は2変数の関係を点で示す可視化、ヒストグラムはデータの分布を棒状に示す可視化であり、いずれも予測と正解の組み合わせを集計する表ではない。決定木は分類を行う手法自体であり、分類結果の内訳をまとめる評価の表ではない。「真陽性・偽陽性・偽陰性・真陰性」「適合率や再現率を求めるもと」という条件が混同行列の目印になる。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

この事例では「ROC曲線下の面積で分類性能を評価するか」を確認すると、「AUC」が当てはまると分かる。AUCが他の3つと違うのは、しきい値を1つに固定せずに評価できる点にある。F値と正解率はどちらも、ある1つのしきい値で分類した結果から求まる単発の数値であり、しきい値を変えたときの挙動全体までは表さない。混同行列も特定のしきい値における予測と実際の組み合わせを整理した表にとどまる。AUCはしきい値を動かしながら描いたROC曲線の下側の面積として求まるため、しきい値の選び方に左右されにくいモデル全体の識別性能を1つの数値で表せる指標として使われる。

https://www.jdla.org/certificate/general/ （大項目3 機械学習の概要）

この事例では「確率を推定して二値の意思決定に使うか」を確認すると、「ロジスティック回帰」が当てはまると分かる。正解は「ロジスティック回帰」である。線形回帰の考え方を分類に応用し、出力をシグモイド関数で0〜1の値（確率）に変換することで、主に二値分類に用いられる教師あり学習の手法である。主成分分析は特徴量を分散の大きい軸へ変換する次元削減の手法であり分類器ではない。k-means法と階層的クラスタリングはいずれもラベルのないデータをグループ分けする教師なし学習であり、確率を出力して二値分類を行う手法ではない。「出力を確率に変換」「主に二値分類」という条件がロジスティック回帰の目印になる。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

この事例では「多数の決定木の結果を集約するか」を確認すると、「ランダムフォレスト」が当てはまると分かる。正解は「ランダムフォレスト」である。データや特徴量をランダムに選んで多数の決定木を作り、それぞれの予測を多数決（分類）や平均（回帰）で統合するアンサンブル学習（バギングの代表例）の手法である。サポートベクターマシンはクラス間のマージンを最大化する境界を1つ学習する手法であり、複数の決定木を組み合わせるものではない。線形回帰は説明変数から連続値を予測する単一のモデル、主成分分析は次元削減の手法であり、いずれも決定木を多数作って統合する仕組みを持たない。「多数の決定木」「多数決や平均で統合」という条件がランダムフォレストの目印になる。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

この事例では「実際と予測を陽性・陰性の四区分で示すか」を確認すると、「混同行列」が当てはまると分かる。正解は「混同行列」である。分類モデルの予測結果と実際の正解の組み合わせ（真陽性・偽陽性・偽陰性・真陰性）を表の形にまとめたもので、適合率（精度）や再現率、正解率などを計算するもとになる。散布図は2変数の関係を点で示す可視化、ヒストグラムはデータの分布を棒状に示す可視化であり、いずれも予測と正解の組み合わせを集計する表ではない。決定木は分類を行う手法自体であり、分類結果の内訳をまとめる評価の表ではない。「真陽性・偽陽性・偽陰性・真陰性」「適合率や再現率を求めるもと」という条件が混同行列の目印になる。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

この事例では「しきい値全体の識別性能を曲線下面積で比較するか」を確認すると、「AUC」が当てはまると分かる。AUCが他の3つと違うのは、しきい値を1つに固定せずに評価できる点にある。F値と正解率はどちらも、ある1つのしきい値で分類した結果から求まる単発の数値であり、しきい値を変えたときの挙動全体までは表さない。混同行列も特定のしきい値における予測と実際の組み合わせを整理した表にとどまる。AUCはしきい値を動かしながら描いたROC曲線の下側の面積として求まるため、しきい値の選び方に左右されにくいモデル全体の識別性能を1つの数値で表せる指標として使われる。

https://www.jdla.org/certificate/general/ （大項目3 機械学習の概要）

正解は「ランダムフォレストは多数の決定木の予測を統合するため、個々の決定木単体よりも予測根拠を人が追いにくくなる」。決定木は1本の木の分岐を根元からたどれば「どの条件で分岐してこの予測に至ったか」を人が読み解きやすいのに対し、ランダムフォレストはデータや特徴量をランダムに選んで作った多数の決定木の予測を多数決（分類）や平均（回帰）で統合するため、モデル全体としてどのように判断しているかは決定木単体より把握しにくいという特徴の違いがある。「ランダムフォレストは決定木を1本だけ用いる」「決定木は複数の木の多数決で予測する」は決定木とランダムフォレストの説明が入れ替わっており誤り。「主成分分析と同様に次元削減を行う」もランダムフォレストの手法説明として誤りである。

Breiman『Random Forests』（Machine Learning 45(1), 2001）（原論文第10章に、多数の木を組み合わせた森は単純には解釈しにくいという趣旨の記述がある）／G検定シラバス2024（第1.4版）

正解は「方策勾配法」である。方策勾配法は、状態から行動を選ぶ方策そのものを期待報酬が大きくなる方向へ直接最適化していく強化学習の手法である。Actor-CriticはActorとCriticを分け、Criticの評価を利用してActorの方策を更新する枠組みであり、設問が問う直接最適化という手法名とは区別する。教師あり学習は正解ラベルを用いる学習の枠組みであり、報酬を最大化する方策を扱わない。k-means法はデータをクラスタに分ける教師なし学習であり、行動を選ぶ方策を最適化する手法ではない。学習の対象が方策そのものかを確認すると、方策勾配法に絞り込める。

https://proceedings.neurips.cc/paper/1999/file/464d828b85b0bed98e80ade0a5c43b0f-Paper.pdf （Sutton他 Policy Gradient Methods for Reinforcement Learning with Function Approximation, NeurIPS 1999）／G検定シラバス2024（大項目3 機械学習の概要）