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(数学・統計・可視化) 練習問題 第53問: 次の a〜d は、数値の変数を分析に使いやすい形に変える方法についての説明である。適切なものの組合せとして、最も適切なものはどれか。 a 年収のように、少数の大
次の a〜d は、数値の変数を分析に使いやすい形に変える方法についての説明である。適切なものの組合せとして、最も適切なものはどれか。 a 年収のように、少数の大きな値が右に長く裾を引く変数に対数変換を行うと、大きな値どうしの差が縮まり、裾の長さがやわらぐ。 b 1 か月の購入回数を、1 回以上なら「購入あり」、0 回なら「購入なし」の 2 つの値に置き換えるのは、二値化にあたる。 c 年齢を「20 代」「30 代」のような区間に分ける離散化では、等しい幅で区切れば、どの区間に入る人数もほぼそろう。 d 前日からの売上の増減額のように、0 や負の値を含む変数も、対数変換を行えばそのまま扱いやすい形になる。
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: 4. a と b
「a と b」が適切です。a について、Google for Developers の機械学習の入門講座 (Crash Course) は、少数の値に大きな数が集まり裾を長く引くべき分布のデータには、値の対数をとる対数変換 (log scaling) が役立つとしています。
常用対数なら、10 と 100 の差 90 も 100 と 1000 の差 900 も同じ 1 の差になり、大きな値どうしの差が縮みます。b について、scikit-learn の資料は、数値にしきい値を当てて真か偽かの 2 値にする処理を二値化としており、1 回以上を「購入あり」とするのはこれにあたります。
c は誤りで、Google の同じ講座は、各区間の件数をほぼそろえるのは分位数で境界を決める区切り方で、等しい幅では区間ごとの件数が大きく違うことがあるとしています。d は誤りで、対数は正の値にしか定義されないため、0 や負の値を含む増減額にはそのまま使えません。
変換で何が縮み、区切り方で何がそろうかを押さえましょう。
関連キーワード: 対数変換・二値化・離散化・特徴量
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