機械学習の評価誤り発見
機械学習モデルの交差検証（クロスバリデーション）と過学習に関する以下の記述で、誤っているものはどれか？
A.k分割交差検証では、データをk個の部分に分割し、各回でk-1個を訓練データ、1個をテストデータとして評価を繰り返す。
✓ この記述は正しい。k分割交差検証の基本的な仕組みが正確に説明されている。
B.交差検証を使用する主な目的は、モデルの汎化性能をより信頼性高く評価することであり、データサイズが限られた環境で有効である。
✓ この記述は正しい。交差検証はデータの効率的活用と汎化性能評価に有効である。
C.過学習（Overfitting）とは、モデルがテストデータの特性に過度に適応し、訓練データには高い精度を示すが、新規データへの予測精度が低くなる現象である。← 正解
✓ 正解です。この記述が誤りで、過学習は「訓練データの特性に過度に適応」することである。説明文で「テストデータ」とあるのは間違いで、正しくは「訓練データ」に対する過度な適応である。
D.正則化（Regularization）はモデルの複雑性にペナルティを加え、過学習を防ぐ手法である。
✓ この記述は正しい。L1正則化やL2正則化などが過学習を防ぐ標準的な手法である。
この問題のポイント
この記述が誤りで、過学習は「訓練データの特性に過度に適応」することである。説明文で「テストデータ」とあるのは間違いで、正しくは「訓練データ」に対する過度な適応である。
「機械学習の評価」の他の問題
スパムフィルターで「正常メールを誤ってスパムと判定する（誤検知）」を極力防ぎたい場合に最優先すべき指標はどれか？AUC-ROCスコアが0.5のモデルはどのような状態を示すか？回帰モデルの評価指標として「予測値と実際値の差の二乗の平均の平方根」を計算するものはどれか？不均衡データ（陽性99%・陰性1%）において「精度（Accuracy）だけが高い（99%）」モデルの問題点はどれか？分類モデルの評価において、適合率（Precision）と再現率（Recall）の違いとして最も正確なものはどれか？医療診断モデルで「疾患有りと予測したが実際は無い（偽陽性）」を減らしたい場合と、「疾患有りを見落とす（偽陰性）」を減らし…
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。