FE基礎理論 · 情報に関する理論

テストデータ

Test Data

てすとでーた

学習が終わったモデルの性能を最終的に評価するために取り分けておくデータ。学習には一切使わないことで、未知のデータに対する実力（汎化性能）を正しく測れる。途中の調整には検証データを使う。

共有:

Past Exams

過去問での出題

過去問で 65 回出題（ITパスポート試験 13・基本情報技術者試験 13・応用情報技術者試験 9・システム監査技術者試験 9・システムアーキテクト試験 8・高度試験午前Ⅰ 5・情報セキュリティマネジメント試験 3・エンベデッドシステムスペシャリスト試験 2・プロジェクトマネージャ試験 1・ネットワークスペシャリスト試験 1・情報処理安全確保支援士試験 1）

残り 55 件を表示

出典: 独立行政法人情報処理推進機構（IPA）の過去問題。問題文は IPA のサイトの PDF で確認できます。「選択肢」は、問題文ではなく選択肢に出たものです。用語名で照合しているため、関係の薄い問題が含まれることがあります。

基本情報技術者試験の過去問によく出る用語

関連キーワードの用語

FE機械学習

コンピュータがデータから規則性やパターンを自動的に学習し、予測や分類を行う技術の総称。教師あり学習、教師なし学習、強化学習の3つに大別される。AIの中核技術の一つ。

FE教師あり学習

入力データと正解ラベルのペアを学習データとして与え、未知のデータに対する予測モデルを構築する機械学習手法。回帰（数値予測）と分類（カテゴリ予測）に大別される。

FE教師なし学習

正解ラベルのないデータからパターンや構造を自動的に発見する機械学習手法。クラスタリング（データの分類）や次元削減が代表的なタスク。顧客セグメンテーションなどに応用される。

FE強化学習

エージェントが環境と相互作用しながら、報酬を最大化する行動方策を学習する機械学習手法。試行錯誤を通じて最適な行動を学ぶ。ゲームAIやロボット制御に応用される。

FE決定木

データの特徴量や条件に基づいて分岐を木構造で表現し、分類・回帰・意思決定を行う手法。結果の解釈が容易で可視化しやすい。機械学習ではランダムフォレストの基礎となり、意思決定分析では期待値やリスクの評価に用いられる。

FEランダムフォレスト

複数の決定木を組み合わせて予測精度を向上させるアンサンブル学習手法。各決定木はデータと特徴量をランダムに抽出して構築し、多数決や平均で最終予測を行う。過学習に強い特徴を持つ。