k近傍法のkの大小
サブスクリプション型の通販サービスで、顧客の解約有無をk近傍法で分類している。近傍の数 k を 3 から 51 に大きくしたときに一般に起こる変化として正しいものを2つ選べ。
- A
学習データへの当てはまりがよくなり、過学習を起こしやすくなる
- B
決定境界がなめらかになり、個々のノイズの影響を受けにくくなる
- C
大きくしすぎると、少数派の解約者の特徴が多数派に埋もれて未学習になりやすい
- D
近傍を学習時に前もって計算しておけるため、予測時の計算が速くなる
正解と解説を見る
正解:B・C
k近傍法では、k が小さいと過学習に、大きすぎると未学習になりやすい。適切な k は交差検証で選ぶ。また、予測のたびに全データとの距離を計算するので、予測時の計算量が大きい。
- A
誤り。向きが逆。過学習を起こしやすいのは k が小さいときで、k = 1 では学習データの各点にそのまま合わせてしまう。
- B
正しい。多くの近傍の多数決になるため、少数の誤ったラベルや外れた点に引きずられにくくなる。
- C
正しい。近傍が広くなりすぎると、局所的な違いが平均化され、多数派のクラスばかり予測しがちになる。
- D
誤り。k近傍法は学習時にほとんど計算せず、予測のたびに距離を計算する手法。k を大きくしても予測は速くならない。
このサイトの問題は、各試験の公開されている出題範囲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。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。