教師なし学習の一問一答

k-means法の説明として、最も適切なものを1つ選びなさい。

• ①新しいデータに最も近いk個の学習データを選び、その多数決によって正解のクラスを予測する。
• ②データを1つずつのグループから始め、近いものどうしを順に結合してk個の木構造を作る。
• ③あらかじめ決めたk個のグループについて、重心の計算とデータの割り当てを繰り返して分ける。
• ④正解ラベルの付いたデータを使い、k個の決定木を組み合わせて分類の精度を高める手法である。

階層的クラスタリングの結果を表すために用いられる、樹形図として、最も適切なものを1つ選びなさい。

• ①ヒストグラム
• ②混同行列
• ③ROC曲線
• ④デンドログラム

主成分分析（PCA）の説明として、最も適切なものを1つ選びなさい。

• ①データのばらつき（分散）が最も大きくなる方向に新しい軸をとり、少数の軸に情報をまとめる。
• ②データのばらつき（分散）が最も小さくなる方向に新しい軸をとり、特徴量の数を増やしていく。
• ③正解ラベルを使って、各クラスのデータが最もよく分かれる境界線を学習する分類の手法である。
• ④データを高い次元の空間へ写すことで、直線で分けられないデータを分けられるようにする手法である。

高次元のデータを2次元や3次元に落として可視化するための手法で、元の空間で近いデータどうしが、落とした後も近くに配置されることを重視するものとして、最も適切なものを1つ選びなさい。

• ①k近傍法
• ②t-SNE
• ③ロジスティック回帰
• ④勾配ブースティング

ECサイトのレコメンドで用いられる「協調フィルタリング」の説明として、最も適切なものを1つ選びなさい。

• ①商品の説明文や色、価格などの特徴だけをもとに、見ていた商品に似た商品を推薦する方法である。
• ②利用者の年齢や性別などの属性だけをもとに、同じ属性の人に一律に同じ商品を推薦する方法である。
• ③購買や評価の履歴が似ている他の利用者の情報をもとに、その利用者が好みそうな商品を推薦する。
• ④新しく登録されたばかりで履歴がまったくない利用者や商品にも、高い精度で推薦できる方法である。

大量の文書を、それぞれが複数の話題（トピック）の混ざり合いでできていると考え、各文書にどの話題がどれだけ含まれるかを推定する手法として、最も適切なものを1つ選びなさい。

• ①サポートベクターマシン
• ②自己回帰モデル
• ③Q学習
• ④トピックモデル（LDAなど）

教師なし学習の「クラスタリング」と、教師あり学習の「分類」の違いとして、最も適切なものを1つ選びなさい。

• ①クラスタリングは正解ラベルを使わずにデータの集まりを見つけ、分類は正解ラベルをもとにクラスを予測する。
• ②分類は正解ラベルを使わずにデータの集まりを見つけ、クラスタリングは正解ラベルをもとにクラスを予測する。
• ③クラスタリングと分類はどちらも正解ラベルを使う方法で、違いは扱うデータが画像か文章かだけである。
• ④クラスタリングは数値を予測する方法で、分類は時系列データの将来の値を予測するための方法である。

行列をいくつかの行列の積に分解する手法で、文書と単語の関係を表す行列から潜在的な意味を取り出す「潜在意味解析」などに用いられるものとして、最も適切なものを1つ選びなさい。

• ①ブートストラップ法
• ②特異値分解（SVD）
• ③誤差逆伝播法
• ④モンテカルロ法

対象どうしの距離（似ていなさ）の関係をできるだけ保つようにして、データを2次元などの低次元の空間に配置する手法として、最も適切なものを1つ選びなさい。

• ①ランダムフォレスト
• ②k近傍法
• ③多次元尺度構成法（MDS）
• ④ソフトマックス関数

教師なし学習の活用例として、最も適切なものを1つ選びなさい。

• ①過去の不正取引に付けた正解ラベルを使い、新しい取引が不正かどうかを分類する
• ②将棋の対局で勝ったときに報酬を与え、勝ちやすい指し手を試行錯誤で身に付ける
• ③過去の売上の実績値を正解として使い、来月の売上の金額を数値で予測する
• ④正常なデータの特徴を学び、大きく外れた取引を不正の疑いとして検出する