MLの概念応用
決定木モデルの最大深さ（max_depth）を2から20に増やした場合、過学習と過小学習のバランスにはどのような変化が生じるか？
A.より深い木ではより複雑なパターンを捉えられるため、過小学習が改善されるが、過学習のリスクが増加する← 正解
✓ 正解です。深い木はより複雑なパターンと相互作用を学習でき、過小学習は改善されますが、訓練データへの過度な適合により過学習リスクが高まります。
B.より深い木は単純で理解しやすくなり、過学習のリスクが減少する
✗ より深い木はより複雑で、理解しやすくなるのではなく、複雑性が増します。
C.深さの変更は訓練データへの適合度に影響を与えず、検証精度に直接影響しない
✗ 最大深さはモデルの複雑性に直結し、訓練精度と検証精度の両方に影響します。
D.より深い木はすべてのデータパターンに完全に適合するため、訓練精度と検証精度が同等に向上する
✗ 無限に深い木でも現実のテストデータへの過学習により、検証精度は必ずしも向上しません。
この問題のポイント
深い木はより複雑なパターンと相互作用を学習でき、過小学習は改善されますが、訓練データへの過度な適合により過学習リスクが高まります。
「MLの概念」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。