AI資格ドリル
資格を選ぶ

Python3エンジニア認定データ分析試験 第6章 scikit-learn 予想問題(2/2)

第40問〜第50問を掲載しています。答えを開き、誤答選択肢との違いまで確認してください。

情報源と編集区分

公式範囲を確認し、問題文・選択肢・解説は当サイトが作成。本試験問題の複写ではありません。

試験概要(公式)
第40問 ・ 混同行列と適合率・再現率・F値

2値分類で confusion_matrix が返す混同行列 C について、偽陽性(FP:実際は負例なのに正例と予測した数)が入る位置として、公式ドキュメントの記載に合っているものはどれか。

  • アC[0, 0]
  • イC[1, 0]
  • ウC[0, 1]
  • エC[1, 1]
答えと解説を見る
ウC[0, 1]正解
解説

正解は C[0, 1] である。公式ドキュメントによると、混同行列 C の C[i, j] は正解がグループ i で、グループ j と予測された観測の数(行が正解、列が予測)である。2値分類では、真陰性(TN)は C[0, 0]、偽陰性(FN)は C[1, 0]、真陽性(TP)は C[1, 1]、偽陽性(FP)は C[0, 1] にある。偽陽性は正解が 0(負例)で予測が 1(正例)なので、行 0・列 1 の C[0, 1] になる。行と列のどちらが正解かを取り違えると、FP と FN の位置を逆に覚えてしまう。

scikit-learn 公式ドキュメント confusion_matrix(https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html)

第41問 ・ 混同行列と適合率・再現率・F値

tn, fp, fn, tp = confusion_matrix([0, 1, 0, 1], [1, 1, 1, 0]).ravel() を実行したとき、(tn, fp, fn, tp) の値として公式ドキュメントの例に合っているものはどれか。第1引数が正解、第2引数が予測である。

  • ア(0, 2, 1, 1)
  • イ(0, 1, 2, 1)
  • ウ(1, 1, 2, 0)
  • エ(2, 0, 1, 1)
答えと解説を見る
ア(0, 2, 1, 1)正解
解説

正解は (0, 2, 1, 1) である。正解と予測を同じ位置どうしで組にすると、(0, 1)、(1, 1)、(0, 1)、(1, 0) の4組になる。正解 0 を 1 と予測した偽陽性(FP)が2件、正解 1 を 1 と予測した真陽性(TP)が1件、正解 1 を 0 と予測した偽陰性(FN)が1件で、正解 0 を 0 と予測した真陰性(TN)は0件である。2値分類の混同行列は TN が C[0, 0]、FP が C[0, 1]、FN が C[1, 0]、TP が C[1, 1] なので、ravel() で1列に並べると tn, fp, fn, tp の順になり、公式の例も (0, 2, 1, 1) を示している。

scikit-learn 公式ドキュメント confusion_matrix(https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html)

第42問 ・ 混同行列と適合率・再現率・F値

病気の検査のように、正例の見逃し(偽陰性)を減らしたい。公式ドキュメントで「分類器が正例をすべて見つける能力」と説明されている指標はどれか。

  • ア適合率(precision)= tp / (tp + fp)
  • イF1(beta=1.0 の F-beta スコア)
  • ウ'macro' 平均の適合率
  • エ再現率(recall)= tp / (tp + fn)
答えと解説を見る
エ再現率(recall)= tp / (tp + fn)正解
解説

正解は、再現率(recall)= tp / (tp + fn) である。公式ドキュメントによると、再現率は tp / (tp + fn) で、分類器が正例をすべて見つける能力を表す。分母に偽陰性 fn が入るので、見逃しが多いほど再現率は下がる。適合率(precision)は tp / (tp + fp) で、負例を正例と判定しない能力を表す。F-beta スコアは適合率と再現率の重み付き調和平均で、beta=1.0 の F1 は両者を同じ重さで扱う。'macro' はラベルごとに計算して重みなしで平均する、多クラスの平均の取り方である。

scikit-learn 公式ドキュメント precision_recall_fscore_support(https://scikit-learn.org/stable/modules/generated/sklearn.metrics.precision_recall_fscore_support.html)

第43問 ・ GridSearchCVによるハイパーパラメータの探索

分類器と、2値のラベル y を GridSearchCV に渡し、cv を指定せず(None のまま)に探索した。このとき使われる交差検証として、公式ドキュメントの記載に合っているものはどれか。

  • ア3分割の KFold
  • イ5分割の StratifiedKFold
  • ウ10分割の StratifiedKFold
  • エ5分割の KFold を shuffle=True で作ったもの
答えと解説を見る
イ5分割の StratifiedKFold正解
解説

正解は5分割の StratifiedKFold である。公式ドキュメントによると、GridSearchCV の cv が None のときは既定の5分割交差検証を使い、推定器が分類器で y が2値か多クラスなら StratifiedKFold、それ以外は KFold を使う。どちらも shuffle=False で作られるので、呼び出しごとに分割は同じになる。cv の既定はバージョン 0.22 で3分割から5分割に変わった。交差検証とは、データを何組かに分け、学習と評価の役を入れ替えながら性能を測る方法である。

scikit-learn 公式ドキュメント GridSearchCV(https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html)

第44問 ・ GridSearchCVによるハイパーパラメータの探索

GridSearchCV の refit と best_estimator_ について、公式ドキュメントの記載に合っているものはどれか。

  • アrefit=False にすると best_estimator_ が使え、そのまま predict もできる
  • イbest_params_ を得るには、必ず refit=False にしておく必要がある
  • ウrefit が有効なら、最良のパラメータでデータセット全体を使って学習し直し、best_estimator_ として使える
  • エrefit が有効でも、predict を使うには best_params_ で推定器を作り直して fit する必要がある
答えと解説を見る
ウrefit が有効なら、最良のパラメータでデータセット全体を使って学習し直し、best_estimator_ として使える正解
解説

正解は、refit が有効なら、最良のパラメータでデータセット全体を使って学習し直し、best_estimator_ として使える、である。公式ドキュメントによると、refit が有効なときは見つけた最良のパラメータでデータセット全体を使って推定器を学習し直し、best_estimator_ として使えるようにする。これにより GridSearchCV のインスタンスで直接 predict を使える。refit=False のときは best_estimator_ は使えない。best_params_ は検証データで最良の結果を出したパラメータの設定(辞書)である。

scikit-learn 公式ドキュメント GridSearchCV(https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html)

第45問 ・ GridSearchCVによるハイパーパラメータの探索

SVC の C を 0.1・1・10、kernel を 'linear'・'rbf' とし、そのすべての組み合わせを交差検証で比べたい。scikit-learn の使い方として、公式ドキュメントの記載に合っているものはどれか。

  • アRandomizedSearchCV に渡す。パラメータ空間をランダムに探索するので、すべての組み合わせが必ず試される
  • イcross_validate に param_grid を渡し、5分割で組み合わせを比べる
  • ウGridSearchCV の param_grid に ['C', 'kernel'] というパラメータ名のリストを渡す
  • エGridSearchCV の param_grid に {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf']} を渡す
答えと解説を見る
エGridSearchCV の param_grid に {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf']} を渡す正解
解説

正解は、GridSearchCV の param_grid に {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf']} を渡す、である。公式ドキュメントによると、GridSearchCV は推定器について、指定したパラメータの値をすべて組み合わせて探索する(網羅的な探索)。param_grid にはパラメータ名をキー、試す値のリストを値とする辞書(またはその辞書のリスト)を渡す。この指定なら C の3通りと kernel の2通りで、3 × 2 = 6 通りの組み合わせが交差検証で比べられる。RandomizedSearchCV はパラメータ空間をランダムに探索する道具で、すべての組み合わせを試す網羅的な探索とは性格が違う。

scikit-learn 公式ドキュメント GridSearchCV(https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html)

第46問 ・ GridSearchCVによるハイパーパラメータの探索

探索を終えた GridSearchCV の属性と引数について、公式ドキュメントの記載に合っているものはどれか。

  • アbest_score_ は best_estimator_ の交差検証スコアの平均で、cv_results_ は pandas の DataFrame に取り込める辞書である
  • イbest_score_ は、探索に使わなかった別のテストデータに対するスコアである
  • ウcv_results_ は pandas の DataFrame そのもので、辞書ではない
  • エscoring を指定しないと評価基準がないため、best_score_ は計算されない
答えと解説を見る
アbest_score_ は best_estimator_ の交差検証スコアの平均で、cv_results_ は pandas の DataFrame に取り込める辞書である正解
解説

正解は、best_score_ は best_estimator_ の交差検証スコアの平均で、cv_results_ は pandas の DataFrame に取り込める辞書である、である。公式ドキュメントによると、best_params_ は検証データで最良の結果を出したパラメータの設定(辞書)、best_score_ は best_estimator_ の交差検証スコアの平均、cv_results_ は列名をキーとする辞書で、pandas の DataFrame に取り込める。また scoring が None のときは推定器の既定の評価基準を使うので、scoring を省いてもスコアは計算される。best_score_ は交差検証の中で求めた値で、別のテストデータでの成績ではない。

scikit-learn 公式ドキュメント GridSearchCV(https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html)

第47問 ・ LinearRegressionと決定係数

X = [[1, 1], [1, 2], [2, 2], [2, 3]]、y = 1 * x_0 + 2 * x_1 + 3 で LinearRegression を fit すると、coef_ は [1., 2.]、intercept_ は 3.0 になる。このモデルで predict([[3, 5]]) を実行した結果として、公式ドキュメントの例に合っているものはどれか。

  • ア[13.]
  • イ[8.]
  • ウ[16.]
  • エ[14.]
答えと解説を見る
ウ[16.]正解
解説

正解は [16.] である。LinearRegression は通常の最小二乗法による線形回帰で、予測値は各特徴量に係数 coef_ を掛けて足し、切片 intercept_ を加えた値になる。この例では 1 × 3 + 2 × 5 + 3 = 16 で、公式ドキュメントの例も predict([[3, 5]]) が [16.] になることを示している。このデータは y が x_0 と x_1 の式どおりに作られているので、score(決定係数 R2)は最良の値の 1.0 になる。係数の掛け方を入れ替えたり、切片を足し忘れたりすると、別の値になる。

scikit-learn 公式ドキュメント LinearRegression(https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html)

第48問 ・ LinearRegressionと決定係数

LinearRegression(fit_intercept=False) と指定したときの挙動として、公式ドキュメントの記載に合っているものはどれか。

  • ア切片を計算し、その値を intercept_ に入れる
  • イ切片を使わず、intercept_ は 0.0 になる
  • ウ係数 coef_ をすべて 0 にして当てはめる
  • エscore が常に 1.0 を返すようになる
答えと解説を見る
イ切片を使わず、intercept_ は 0.0 になる正解
解説

正解は、切片を使わず、intercept_ は 0.0 になる、である。公式ドキュメントによると、fit_intercept の既定値は True で切片を計算する。False にすると切片を使わず(データが中心化されている前提)、intercept_ は 0.0 になる。切片とは、すべての特徴量が 0 のときの予測値に当たる定数の項で、intercept_ は線形モデルの独立項(切片)を表す。係数 coef_ は fit_intercept の設定にかかわらず推定され、score は決定係数 R2 を返すので、値はデータと予測の当てはまりで決まる。

scikit-learn 公式ドキュメント LinearRegression(https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html)

第49問 ・ LinearRegressionと決定係数

LinearRegression の score が返す決定係数 R2 について述べた次の記述のうち、公式ドキュメントの記載と比べて誤っているものはどれか。

  • ア最良の値は 1.0 である
  • イ入力を無視して常に y の期待値を予測する定数モデルの R2 は 0.0 である
  • ウR2 = 1 - u/v で、u は残差平方和、v は全平方和である
  • エR2 は 0.0〜1.0 の範囲に収まり、負の値にはならない
答えと解説を見る
エR2 は 0.0〜1.0 の範囲に収まり、負の値にはならない正解
解説

誤っているのは、R2 は 0.0〜1.0 の範囲に収まり、負の値にはならない、という記述である。公式ドキュメントによると、score は決定係数 R2 を返し、R2 = 1 - u/v で表される。u は残差平方和 ((y_true - y_pred) ** 2).sum()、v は全平方和 ((y_true - y_true.mean()) ** 2).sum() である。最良は 1.0 で、負の値にもなりうる。入力を無視して常に y の期待値を予測する定数モデルの R2 は 0.0 になる。式の形から、予測の誤差 u が全平方和 v より大きいと R2 は 0 より小さくなる。

scikit-learn 公式ドキュメント LinearRegression(https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html)

第50問 ・ LinearRegressionと決定係数

特徴量が3つ、目的変数が1つのデータで LinearRegression を fit した。coef_ の形として、公式ドキュメントの記載に合っているものはどれか。

  • ア数値1つだけのスカラー
  • イ長さ1の1次元配列
  • ウ長さ3(n_features)の1次元配列
  • エ3行3列の2次元配列
答えと解説を見る
ウ長さ3(n_features)の1次元配列正解
解説

正解は、長さ3(n_features)の1次元配列である。公式ドキュメントによると、coef_ は推定した係数で、目的変数が1つなら長さ n_features(特徴量の数)の1次元配列になる。特徴量が3つなら、それぞれの特徴量に1つずつ係数が付いて長さ3になる。切片は coef_ には含まれず、線形モデルの独立項として intercept_ に別に入る。公式の例でも、特徴量が2つのデータで fit すると coef_ は [1., 2.] の2つの値になり、切片 3.0 は intercept_ に入っている。

scikit-learn 公式ドキュメント LinearRegression(https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html)

間違えた論点を本で読み直す(Amazon)

PR

執筆: AI資格ドリル編集部(運営者情報を見る)

章別問題ページ