不均衡データ
クラスごとのデータの数に大きな差がある不均衡データへの対策として、少ないクラスのデータを複製したり人工的に作ったりして増やす方法を何というか。最も適切なものを1つ選べ。
- A
アンダーサンプリング
- B
正規化
- C
次元削減
- D
オーバーサンプリング
正解と解説を見る
正解：D
少ないクラスのデータを増やすのがオーバーサンプリング、多いクラスを減らすのがアンダーサンプリング。
| 対策 | 内容 |
|---|---|
| オーバーサンプリング | 少数クラスを複製・合成して増やす（SMOTEなど） |
| アンダーサンプリング | 多数クラスを間引いて減らす |
| クラスの重み付け | 少数クラスの誤りを大きく扱う |
| 評価指標 | 正解率だけでなく、再現率・適合率・F値・PR曲線も見る |
- A
誤り。多いクラスのデータを減らして、数をそろえる方法。
- B
誤り。特徴量の値の範囲をそろえる前処理。
- C
誤り。特徴量の数を減らす方法。
- D
正しい。少ないクラスのデータの間を補うように新しいデータを作る SMOTE が代表例。
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。