機械学習の基礎応用
医療診断AIで、真陽性率（感度）を97%に維持しながら、偽陽性を減らしたいとします。この目的を達成するために最も直接的に調整すべきパラメータは何ですか？
A.予測確率の閾値（スレッショルド）を現在の0.5から0.7に上げる← 正解
✓ 正解です。閾値を上げると「陽性と判定する基準」が厳しくなり、偽陽性が減ります。感度を維持しながら偽陽性を低減するには、閾値調整が最も直接的で即座です。
B.モデルのエポック数を増やして、訓練をさらに進める
✗ エポック数の増加は汎化性能に影響しますが、既学習モデルの出力に基づく偽陽性の削減には直接つながりません。
C.特異度（真陰性率）が95%以上になるよう、訓練データのクラスバランスを変更する
✗ 訓練データのクラスバランス変更はモデル再訓練が必要で、感度維持の保証がありません。既存モデルの出力を活用する方が効率的です。
D.モデルのL2正則化パラメータを増加させ、過学習を削減する
✗ L2正則化を増やすと過学習は減りますが、感度を97%に維持する保証がなく、調整後の再検証が必要になり非効率的です。
この問題のポイント
閾値を上げると「陽性と判定する基準」が厳しくなり、偽陽性が減ります。感度を維持しながら偽陽性を低減するには、閾値調整が最も直接的で即座です。
「機械学習の基礎」の他の問題
IT・クラウド の関連資格
AWS Certified Cloud Practitioner（CLF-C02）
AWSクラウドの入門資格。クラウドの概念・AWSのコアサービス・セキュリティ・料金モデルを問う。
AWS Certified Solutions Architect - Associate（SAA-C03）
AWSでのシステム設計能力を問うアソシエイト資格。高可用性・セキュリティ・コスト最適化の設計が中心。
DP-900：Microsoft Azure Data Fundamentals
Azureのデータサービスの基礎を問うMicrosoft認定資格。リレーショナル/非リレーショナルデータ、分析ワークロード、コアのデータ概念を扱う。