1.
次のうち、モデルのハイパーパラメータを調整する手法はどれですか？
2.
多クラス分類問題における評価指標として適切なものは次のどれですか？
3.
モデルのパフォーマンスを向上させるために、次元削減が必要な場合に使用される手法はどれですか？
4.
モデルの学習において、「早期終了（Early Stopping）」が適用される主な目的は次のうちどれですか？
5.
勾配ブースティングのアンサンブル学習において、弱学習器とはどのような役割を果たしますか？
6.
モデルの評価指標として、精度（accuracy）以外にモデルの性能を評価するために適切な指標はどれですか？
7.
線形回帰モデルにおける「重み」とは何を指しますか？
8.
アンサンブル学習の手法として、「ブースティング」と「バギング」の主な違いは次のうちどれですか？
10.
データが不均衡である場合にモデル評価の指標として推奨されるのは次のうちどれですか？
11.
ランダムフォレストはどのようにして過学習を防いでいますか？
12.
回帰分析における「多重共線性」が問題となる理由として正しいものは次のうちどれですか？
13.
クロスバリデーションの主な目的は何ですか？
14.
モデルがデータの相関に基づいて誤った予測を行わないようにするためには、次のどの手法が有効ですか？
15.
決定木モデルにおいて、各ノードに分岐する際の基準としてよく使われる指標はどれですか？
16.
決定木モデルにおいて「枝刈り（pruning）」を行う目的は何ですか？
17.
モデルの「正則化（regularization）」とは何を指しますか？
18.
Lasso回帰におけるL1正則化の主な効果はどれですか？
19.
モデルにおける「バイアス-バリアンストレードオフ」とは何を指しますか？
20.
モデル構築において、特徴量の「スケーリング」が必要となる理由は次のうちどれですか？
21.
欠損値が多く存在するデータに対して、モデル化を行う前に推奨される処理方法は次のどれですか？
22.
モデルの性能を検証するために、データセットを訓練データとテストデータに分割する理由は何ですか？
23.
ロジスティック回帰モデルは、どのようなタイプのデータに対して使用されますか？
24.
時系列データのモデル化において、「自己回帰（AR）」モデルが前提とする条件として正しいものは次のうちどれですか？
25.
サポートベクターマシン (SVM) では、カーネル関数を使用する主な理由は何ですか？
26.
多クラス分類問題において、「One-vs-Rest」戦略を使用する主な理由として最も適切なものは次のうちどれですか？
