選択肢4が正解です。 【選択肢1】 数値を予測するので回帰である。 誤った説明です。 「0、1、2、3、4、5、6、7、8、9」という切れ目のあるクラスに分けるため、分類問題です。 【選択肢2】 画像はデータ量が多いため、ディープラーニングでしか識別できない。 誤った説明です。 問題文のデータはscikit-learnのdigitsデータで、0〜9の手書き数字が1797画像あります。1画像につき縦8ピクセル×横8ピクセルで合計64の説明変数がありますが、ディープラーニングだけでなくサポートベクタマシンなどでも分類できます。 【選択肢3】 決定木で画像の予測はできない。 誤った説明です。 画像もピクセルごとの数値データであるため、決定木やランダムフォレストで分類できます。 以下は、digitsデータをランダムフォレストで分類した結果です。 ------------------------------- from sklearn.datasets import load_digits from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier from sklearn import metrics digits = load_digits() Xtrain, Xtest, ytrain, ytest = train_test_split(digits.data, digits.target, random_state=0) model = RandomForestClassifier(n_estimators=100) model.fit(Xtrain, ytrain) ypred = model.predict(Xtest) ------------------------------- print(metrics.classification_report(ypred, ytest)) ▶︎ 左から「適合率、再現率、F値、データ数」を表しており、どの数字も100%に近い精度が出ています。 【選択肢4】 正解データがない教師なし学習でもクラスタリングできる。 正しい説明です。 教師なし学習は正解となる目的変数がないため、「この画像が9」というように数字を特定することはできません。ただ、k-meansのような教師なし学習でも、特徴をとらえて0〜9にクラスタリングすることは可能です。