決定関数の符号
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.linear_model import LogisticRegression
m = LogisticRegression().fit(np.array([[0], [1], [2], [3]]), [0, 0, 1, 1])
print((m.decision_function([[0], [3]]) > 0).tolist())- A
[True, False] - B
[False, True] - C
[True, True] - D
[False, False]
正解と解説を見る
正解：B
decision_function は、決定境界からの符号付きの距離のような値を返す。正ならクラス 1、負ならクラス 0。predict_proba はシグモイドで確率にしたもの。
| 順 | 実行する行 | 実行後の変数 |
|---|---|---|
| 1 | `import numpy as np` | — |
| 2 | `from sklearn.linear_model import LogisticRegr…` | — |
| 3 | `m = LogisticRegression().fit(np.array([[0], […` | — |
| 4 | `print((m.decision_function([[0], [3]]) > 0).t…` | — |
| 結果 | 実際の出力 | [False, True] |
- A
誤り。符号が逆。
- B
正しい。決定関数の値が正なら、クラス 1 と予測される。
- C
誤り。0 はクラス 0 側。
- D
誤り。3 はクラス 1 側。
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。