データエンジニアの役割
「データエンジニアの役割」に関する問題が４０問中２問出題されます！
参考：https://cbt.odyssey-com.co.jp/pythonic-exam/python3cda.html
本試験の主教材である「Pythonによるあたらしいデータ分析の教科書第２版」では第１章(P002~012)の内容です。
今回の記事は機械学習に関する問題です！
では練習問題を解いてみましょう！
練習問題１
問題
機械学習に関する次の文章の間違っている所を探してみましょう。
教師あり学習は、正解となるラベルデータが存在する場合に用いられる方式であり、そのラベルを説明変数という。
答えはコチラをクリック！
答え：
誤）説明変数という
正）目的変数という
ポイント(クリック！)
正解ラベルのことを〇〇変数という
正解ラベルのことを目的変数といいます！
目的変数以外のデータを説明変数といいます。
説明変数は特徴データや特徴量とも呼ばれます。
目的変数と説明変数について覚えておきましょう！
練習問題２
問題
機械学習に関する次の文章の間違っている所を探してみましょう。
教師あり学習は、目的変数の種類により回帰と分類の２種類に分けられる。回帰は説明変数が連続値となる。
答えはコチラをクリック！
答え：
誤）説明変数が連続値となる
正）目的変数が連続値となる
ポイント(クリック！)
教師あり学習は、〇〇と〇〇の２種類に分けられる
教師あり学習は、目的変数の種類により回帰と分類の2種類に分けられます！
回帰は目的変数（正解ラベル）が連続値となります。
練習問題３
問題
機械学習に関する次の文章の間違っている所を探してみましょう。
教師あり学習は、目的変数の種類により回帰と分類の２種類に分けられる。分類は目的変数が連続値である。
答えはコチラをクリック！
答え：
誤）分類は目的変数が連続値
正）分類は目的変数が連続値ではない
ポイント(クリック！)
「分類」の場合、目的変数は連続値？連続値ではない？
教師あり学習は、回帰と分類に分けられます。
その中で「分類」は目的変数が連続値ではないことがポイントです！
練習問題４
問題
機械学習に関する次の文章の間違っている所を探してみましょう。
教師あり分類の場合での機械学習の処理手順は、データ入手・加工・可視化→学習プロセス→アルゴリズム選択→精度評価と進むのが一般的である。
答えはコチラをクリック！
答え：
誤）データ入手・加工・可視化→学習プロセス→アルゴリズム選択→精度評価
正）データ入手・加工・可視化→アルゴリズム選択→学習プロセス→精度評価
ポイント(クリック！)
機械学習でよく使われる
処理手順は〇〇
機械学習でよく使われる処理は、
データ入手・加工・可視化→アルゴリズム選択→学習プロセス→精度評価と進みます！
機械学習の処理手順について知っておきましょう！
練習問題５
問題
機械学習に関する次の文章の間違っている所を探してみましょう。
機械学習を用いずにカテゴライズや数値予測を行う手法の一つにルールベースがある。ルールベースは、人間があらかじめルールや条件を設定する。また、パラメータの数が増えても簡単にルール化できる。
答えはコチラをクリック！
答え：
誤）パラメータの数が増えても簡単にルール化できる
正）パラメータの数が増えるとルールの記述が困難になる
ポイント(クリック！)
機械学習を用いずにカテゴライズや数値予測を行う手法は〇〇
機械学習を用いずに、カテゴライズや数値予測を行う方法の一つにルールベースがあります！
ルールベースは、人間があらかじめルールや条件を設定し記述します。
その他の手法では、統計的な手法があります。
理解度チェック
理解度チェックに挑戦してみましょう！
問題
データ分析に関する次の記述のうち誤っているものはどれか選びましょう。
１、教師あり学習は、正解となるラベルデータが存在する場合に用いられる方式であり、そのラベルを説明変数という。
２、教師あり学習は、目的変数の種類により回帰と分類の２種類に分けられる。回帰は目的変数が連続値となる。
３、教師あり学習は、目的変数の種類により回帰と分類の２種類に分けられる。分類は目的変数が連続値ではない。
４、教師あり分類の場合での機械学習の処理手順は、データ入手・加工・可視化→アルゴリズム選択→学習プロセス→精度評価と進むのが一般的である。
５、機械学習を用いずにカテゴライズや数値予測を行う手法の一つにルールベースがある。ルールベースは、人間があらかじめルールや条件を設定する。また、パラメータの数が増えるとルールの記述が困難になる
答えはコチラをクリック！
答え：１番
誤）説明変数という
正）目的変数という
ポイント(クリック！)
正解ラベルのことを〇〇変数という
正解ラベルのことを目的変数といいます！
目的変数以外のデータを説明変数といいます。
説明変数は特徴データや特徴量とも呼ばれます。
目的変数と説明変数について覚えておきましょう！
今回のポイント
今回のポイントを振り返りましょう！
ポイント(クリック！)
正解ラベルのことを〇〇変数という
正解ラベルのことを目的変数といいます！
目的変数以外のデータを説明変数といいます。
説明変数は特徴データや特徴量とも呼ばれます。
目的変数と説明変数について覚えておきましょう！
ポイント(クリック！)
教師あり学習は、〇〇と〇〇の２種類に分けられる
教師あり学習は、目的変数の種類により回帰と分類の2種類に分けられます！
回帰は目的変数（正解ラベル）が連続値となります。
ポイント(クリック！)
「分類」の場合、目的変数は
連続値？連続値ではない？
教師あり学習は、回帰と分類に分けられます。
その中で「分類」は目的変数が連続値ではないことがポイントです！
ポイント(クリック！)
機械学習でよく使われる処理
手順は〇〇
機械学習でよく使われる処理は、
データ入手・加工・可視化→アルゴリズム選択→学習プロセス→精度評価と進みます！
機械学習の処理手順について知っておきましょう！
ポイント(クリック！)
機械学習を用いずにカテゴライズや数値予測を行う手法は〇〇
機械学習を用いずに、カテゴライズや数値予測を行う方法の一つにルールベースがあります！
ルールベースは、人間があらかじめルールや条件を設定し記述します。
その他の手法では、統計的な手法があります。
参考資料：Pythonによるあたらしいデータ分析の教科書第２版
次回は…
次回も、引き続きデータエンジニアの役割の範囲の中で、
特に機械学習について学んでいきましょう！