パイプライン
次のコードを実行したときの出力として、正しいものを1つ選べ。
import numpy as np
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression
X = np.array([[0], [1], [2], [3]])
y = 2 * X.ravel() + 1
m = make_pipeline(StandardScaler(), LinearRegression()).fit(X, y)
print(round(float(m.predict([[4]])[0]), 3))- A
8.0 - B
9.0 - C
5.0 - D
4.0
正解と解説を見る
正解：B
Pipeline は、前処理とモデルを1つのオブジェクトにまとめる。交差検証の中でも前処理が訓練データだけで fit されるので、データリーケージを防げる。
| 順 | 実行する行 | 実行後の変数 |
|---|---|---|
| 1 | `import numpy as np` | — |
| 2 | `from sklearn.pipeline import make_pipeline` | — |
| 3 | `from sklearn.preprocessing import StandardSca…` | — |
| 4 | `from sklearn.linear_model import LinearRegres…` | — |
| 5 | `X = np.array([[0], [1], [2], [3]])` | X = [[0], [1], [2], [3]] |
| 6 | `y = 2 * X.ravel() + 1` | y = [1, 3, 5, 7], X = [[0], [1], [2], [3]] |
| 7 | `m = make_pipeline(StandardScaler(), LinearReg…` | X = [[0], [1], [2], [3]], y = [1, 3, 5, 7] |
| 8 | `print(round(float(m.predict([[4]])[0]), 3))` | — |
| 結果 | 実際の出力 | 9.0 |
- A
誤り。切片 1 を足していない。
- B
正しい。標準化と線形回帰を連結しても、y ＝ 2x ＋ 1 を学習して、x ＝ 4 で 9。
- C
誤り。傾きが 2 なので 4×2＋1。
- D
誤り。入力の値そのもの。
このサイトの問題は、各試験の公式に示された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Pythonエンジニア育成推進協会の公式サービスではありません。