Python3エンジニア認定データ分析試験 模試

ランダムフォレストについて説明している以下の文章のうち、正しい選択肢を選べ

scikit-learnのLogisticRegressionクラスを用いてモデルを構築した場合のラベルの予測確率を取得する関数として正しいものを以下の中から選べ

以下の行列の掛け算の答えとして正しいものを選べ

$$\left(\begin{array}{c}1\\ 0\end{array}\right)\left(\begin{array}{cc}0& 1\end{array}\right)$$

np.random.randint(1,11)を繰り返し実行した場合の平均値は、繰り返し回数が多ければ多いほど、ある値に近づいていく。ある値として正しいものを以下の中から選べ。

Jupyter Notebookについて説明している以下の文章のうち、正しいものを選べ

交差検証の欠点として、各検証における予測ラベルの割合が不均一になる問題がある。この問題を解決する場合に使用される交差検証の名称として正しいものを選べ

以下のコードの出力として正しいものを選べ

A = [x for x in range(10)]
B = {x for x in range(20)}

if len(A)==10:
    print("A")
elif len(A)==10&len(B)==20:
    print("A,B")
else:
    print("None")

以下のコードを実行した際に出力されるグラフとして正しいものを選べ

import pandas as pd
import matplotlib.pyplot as plt 

df = pd.DataFrame({"国名":["日本","アメリカ","イタリア","フランス", "ロシア", "ブラジル", "イギリス"], "人口/万人":[12700, 32800, 6000, 6700, 14500, 20900, 6600]})

plt.rcParams["font.family"] = "AppleGothic"
plt.barh(df["国名"], df["人口/万人"])
plt.xlabel("人口(万人)")
plt.show()

①

②

③

④

機械学習を用いたデータ分析において、データを入手してからモデルの学習を実施するまでの処理手順として、正しいものを選べ

10面体のサイコロの期待値として正しいものを選べ。

データエンジニアの役割について説明している以下の文章のうち、間違っているものを選べ

以下のコードを実行した場合の出力として、正しいものを選べ。

import numpy as np

A = np.array([[0, 1, 2, 3, 4]])
B = np.full((1, 5), 1)
A[A>=B]

以下の関数f(x, y)のyに関する偏微分として正しいものを選べ

$$f(x,y)=x^2{y}^2$$

以下のコードを実行した場合の出力として正しいものを選べ。

import numpy as np

A = np.array([[1,2,3],[4,5,6]])
B = A.flatten()
A[1,:]=0
B = B.reshape(6,1)
B[-1]

以下のような各日付に対して、利用回数と利用料金が格納されたデータフレームdfがある。このdfの欠損値をカラムごとの平均値で埋める処理として正しいものを選べ

以下のコードを実行した場合の出力として正しいものを選べ。

import numpy as np

A = np.array([[1,2,3],[4,5,6]])
B = A.flatten()
A[1,:]=0
B[-1]

以下のような、ユーザーごとのサービス利用状況が格納されたデータフレームdfがある。
利用回数の箱ひげ図を描画するコードとして正しいものを選べ

import matplotlib.pyplot as plt 

plt.boxplot(df["利用回数"])
plt.show()
①

import matplotlib.pyplot as plt 

plt.hist(df["利用回数"])
plt.show()
②

import matplotlib.pyplot as plt 

plt.violinplot(df["利用回数"])
plt.show()
③

import matplotlib.pyplot as plt 

df["利用回数"].boxplot()
plt.show()
④

以下のコードを実行した場合の出力として、正しいものを選べ。

import numpy as np

A = np.array([[1, 0]])
B = np.array([1, 0])
A @ B

以下のようなデータが格納されたexample.csvというファイルをpandasデータフレームとして読み込むためのコードとして正しいものを選べ。

国名,面積
日本,380000
アメリカ,9834000
中国,959700
イタリア,301300

import pandas as pd

df = pd.read_csv("example.csv")
①

import pandas as pd

df = pd.read_excel("example.csv")
②

import pandas as pd

df = pd.read_pickle("example.csv")
③

import pandas as pd

df = pd.load_csv("example.csv")
④

以下のようなデータフレームdfがある。このデータフレームから、B列の値が3000以上のデータフレームを抽出するコードとして正しいものを選べ。

import pandas as pd

df = pd.DataFrame({"A":[10,200,3000,40000],
                   "B":[1000,2000,3000,4000]})