30秒でわかる要点
名前に「回帰」とつくが、主に分類に使う手法。線形の出力をシグモイド関数で0〜1の確率に変換し、しきい値で2クラスに分類する。
「ロジスティック回帰」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1ロジスティック回帰で使用するシグモイド関数の出力値の範囲は次のうちどれか。
- 0から1の間の値を出力する確率を表す関数である
- -∞から+∞の間のいかなる値も出力する
- 0から100の間の正規化された確率を出力する
- -1から1の間の値を出力する確率関数である
答えと解説を見る
正解：A
シグモイド関数 1/(1+e^(-x)) は 0 から 1 の値を出力し、クラス1に属する確率を表す。B は線形関数、C は誤った表現、D は tanh 関数の範囲。
Q2ロジスティック回帰を多クラス分類に応用する場合、One-vs-Restアプローチについての説明として最も正確なのはどれか。
- K個のクラスに対し、各クラスをポジティブ、他をネガティブとする二値分類モデルをK個構築する
- 最も確信度が高いクラスを選ぶため、全クラスを同時に学習する単一モデルを構築する
- クラスペアごとに二値分類モデルを構築し、K(K-1)/2個のモデルを訓練する
- テストデータに対し、複数モデルで投票し、多数決によって予測クラスを決定する
答えと解説を見る
正解：A
One-vs-Rest は各クラスに対して二値分類器をK個作成。B は Softmax、C は One-vs-One、D は投票の説明だが出力の集約方法。
Q3ロジスティック回帰において、確率的勾配降下法を使用する主な利点は何か。
- 全訓練データを使用する場合よりも、メモリ効率が良く、大規模データセットに対応できる
- 必ず最適解に到達するため、モデルの精度が向上する
- オンライン学習が可能になるため、リアルタイムでモデルを更新できる
- A と C の両方が利点である
答えと解説を見る
正解：D
SGD はバッチごとにパラメータ更新するため、メモリ効率良い。逐次的に新データで更新可能（オンライン学習）。B は誤り、確率的手法は最適解保証なし。
機械学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
機械学習の練習問題を解く