AI資格 模擬試験

G検定 模擬問題 第1回 問26・機械学習の概要（教師あり学習）

ランダムフォレスト

1. A

   前のモデルが間違えたデータを重視しながら、決定木を1つずつ順番に学習していく。

2. B

   予測したいデータに近い k 個のデータの多数決で予測する。

3. C

   データと特徴量をランダムに選んで多数の決定木を作り、その多数決や平均で予測する。

4. D

   クラス間のマージンが最大になるような境界を求める。

正解と解説を見る

正解：C

ランダムフォレストは、ランダムに選んだデータと特徴量で多数の決定木を作り、結果をまとめる手法。

バギングは並列に学習して多数決、ブースティングは前の誤りを重視して順番に学習する。ランダムフォレストは、バギングに特徴量のランダム選択を加えた決定木の集まり。

• A

  誤り。これは勾配ブースティングなど、ブースティングの考え方。

• B

  誤り。これは k 近傍法の説明。

• C

  正しい。バギングの一種で、決定木1本より過学習しにくい。

• D

  誤り。これはサポートベクターマシンの説明。

学習のポイント：バギング（並列に作ってまとめる）とブースティング（順番に作って誤りを補う）の違いを押さえる。

問題一覧へ

このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。