決定木とは？

二つの与信モデルが必要な精度を満たしています。一方は小さな決定木、他方は複雑なニューラルネットワークで、特徴量寄与の説明を添えられます。審査では内部の分岐を直接たどれることも必要です。選定の考え方として適切なのはどれですか。

決定木を用いたアンサンブル学習と変数重要度について、最も適切な説明はどれか。

決定木による分類で、訓練データを少し変えると木の構造と予測が大きく変わる。個々の木のばらつきを抑えるため、複数の木を組み合わせる方針として最も適切なものはどれか。

決定木を用いたアンサンブル学習の違いとして、最も適切なものはどれか。

ニューラルネットワークの基本構造を説明しているものはどれですか。

代表的な教師あり学習モデルの基本概念を説明したものとして、最も適切なものはどれか。

Transformerの構造として、最も適切なものはどれか。

ニューラルネットワークとディープラーニングの関係として、最も適切なものはどれか。