データサイエンティスト検定 リテラシーレベル データサイエンス(機械学習・AI・非構造化データ) 練習問題 第48問: 2つのチームが、同じデータで分類のモデルを作った。 ・チームX:決定木を多数作り、それぞれの木には、特徴量のうち無作為に選んだ一部だけを使わせる。予測は、全部の
2つのチームが、同じデータで分類のモデルを作った。 ・チームX:決定木を多数作り、それぞれの木には、特徴量のうち無作為に選んだ一部だけを使わせる。予測は、全部の木の多数決で決める。 ・チームY:深さ1の決定木(決定株)を多数組み合わせ、木ごとに重みを付けた多数決で予測を決める。 XとYのモデルについて述べたものとして、最も適切なものはどれか。
解答と解説を先に見る
先に見ると、この問題は今回は育ちません。
正解: 3. Xがランダムフォレストにあたり、多数の木の学習を並列に進められるので速く学習しやすい
「Xがランダムフォレストにあたり、多数の木の学習を並列に進められるので速く学習しやすい」が適切です。九州大学 数理・データサイエンス教育研究センター『データサイエンス実践 4-1 パターン認識と深層学習』は、ランダムフォレストを、特徴量のうち無作為に選んだ一部を使う決定木を多数作り、全部の多数決で予測する方法とし、並列に計算できるので速いことを長所に挙げています。
同じ資料は、深さ1の木(決定株)などの予測モデルを多数組み合わせ、重み付きの多数決でまとめる方法をブースティングとしており、Yはこれにあたります。「Yがランダムフォレストにあたり」は、重み付きの多数決をランダムフォレストのまとめ方と取り違えています。
「XもYも…ランダムフォレストにあたり」は、多数の木を組み合わせる方法がほかにもあることを見落としています。「多数決では一つにまとめられない」は逆で、木ごとの予測がばらついても多数決で一つにまとめます。
無作為に選んだ特徴量で作った木の多数決がランダムフォレスト、重みを付けて組み合わせるのがブースティングです。
関連キーワード: ランダムフォレスト・ブースティング・決定木・アンサンブル学習
模試 (100問)
この問題が解けたら、本試験はどうですか?本番形式で、ほかの科目もまとめて確かめる
本番形式の模擬試験で実力チェックPremium (月980円)Premium (ご利用中)本番と同じ制限時間