練習問題の答えと理由
Practice Questions: Answers and Notes
本の各章の最後にある「答えと理由」と同じ内容です。先生用の採点の目安は、ここには載せません。
第1章：AIと機械学習の地図
自己チェック
自己チェック（1節） 1. 出力です。 2. 同じ範囲ではありません。 3. いいえ。記録や最終判断は別に確かめます。
自己チェック（2節） 1. 点数です。提出数は使いません。 2. 原因は表だけでは決まりません。判定条件と記録を確かめます。 3. いいえ。方法が未指定です。
自己チェック（3節） 1. 教師あり。 2. 教師なし。 3. 強化学習です。
自己チェック（4節） 1. いいえ。 2. 深層学習。 3. いいえ。文章は事実を保証しません。
確認問題（選択式）
Q1 正答はDです。機械学習は例から予測規則を調整します。Aはルール、Bは学習の説明ではなく、Cは文章生成に限ります。
Q2 正答はAです。報酬を手がかりに行動を学びます。Bは教師あり、Cは教師なし、Dはルールです。
Q3 正答はDです。判定済み例で新しいメールを分類します。Aはラベルなし、Bは報酬、Cは人の条件を使います。
Q4 正答はDです。人が決めた条件で出力を選びます。Aは報酬、Bはラベル付き例、Cはラベルなしを使います。
練習
1 教師あり学習です。判定済みのメール例とラベルを使います。
2 教師なし学習です。ラベルなしで似た記録をまとめます。
3 順に強化学習、教師あり学習、教師なし学習です。手がかりは報酬、ラベル、似たまとまりです。
4 前者はルールベース、後者は教師あり学習です。前者は人が条件を決め、後者は入力例とラベルを使います。教員が記録を確かめます。三件だけでは性能を判断できません。
考えよう・グループで話そう
考えよう ルール方式なら実際の判定条件を確認します。教師あり学習なら点数・提出数と正しい判定結果がある例を集めます。どちらも記録の出どころを確かめます。
グループで話そう 例として、データをまとめた人が元記録を点検し、教員が結果を照合し、使う人へ伝えます。役割と根拠が明確な別案も認めます。
ワークシート
1-1 上から教師あり学習（ラベル付き例）、教師なし学習（ラベルなしのまとまり）、強化学習（報酬）、ルールベース（人の条件）です。
1-2 1行目は合格・一致、2行目は不合格・一致、3行目は合格・不一致です。三行目は判定条件と元記録を確かめます。違いの理由は表だけでは確定しません。
成果物の完成例 入力は点数・提出数、ラベルは記録結果、出力は合否候補、確認者は教員です。三件から性能は決めません。
使う情報は点数・提出数と判定済み例、最後に確認する人は教員です。理由が合えば別の表現も認めます。
第2章：データを学習に使える形にする
自己チェック
1節 1. 一行は一件の記録、一列は記録の項目です。 2. 件です。 3. いいえ。返却後に分かります。
2節 1. late です。 2. 貸出開始時にはまだ分からない情報で、予測後の情報を入力に混ぜるとデータ漏えいになるためです。 3. IDは記録の識別用で、返却遅れの理由を表す列ではないためです。
3節 1. 欠損した理由や意味を確かめます。 2. 3です。(2+4)÷2=3です。 3. 入力ミスか実際の珍しい値か、元の記録を確かめなければ分からないためです。
4節 1. 訓練はモデルを学習させるため、テストは最後に未知データへの性能を見積もるためです。 2. 調整に使うとテストに合わせた結果になり、独立した評価でなくなるためです。 3. いいえ。他の情報との照合で個人が分かる場合があります。
確認問題（選択式）
Q1 正答はAです。予定日数と開始時予約数は貸出開始時に分かります。Bの匿名IDは識別用の列です。Cの late は予測したい答えです。Dの返却後実日数は予測時点の後に分かり、入力するとデータ漏えいになります。
Q2 正答はBです。(2+4)/2=3。Aは欠損を0扱い、Cは平均でなく最大値4、Dはテスト値100を混ぜる誤りです。
Q3 正答はDです。late が予測したい答えで、返却後実日数と行IDは入力にしません。Aは予測後の値を入力に含みます。Bは目的変数と入力を逆にしています。Cは識別用の番号を予測に使います。
Q4 正答はDです。平均(2+4)/2=3、標準偏差sqrt((1+1)/2)=1です。A、Bは平均が違い、Cはテストを計算に含めます。
練習
1 目的変数は late です。返却遅れは返却後に分かります。貸出開始時には特徴量の値だけを使い、答えは返却後に確かめます。
2 行IDは記録を区別する番号で、返却遅れを予測する情報ではありません。IDと答えの偶然の対応を学ぶ可能性もあります。
3 訓練値の平均は (2+4)÷2=3 です。T3とV1の欠損に3を使います。E1はテストに記録された100のままです。100はテストの情報なので、訓練の補完値を決める計算には使いません。
4 特徴量は予定日数と開始時予約数です。どちらも貸出開始時に分かります。目的変数は late です。返却後実日数は返却後に分かるため外します。行IDも識別用なので特徴量にしません。選んだ列と理由が一致していれば正答です。
考えよう・グループで話そう
答えは一つではありません。平均で補うと、実際の値がどの範囲にあったか、欠損がどのような理由で起きたかが見えにくくなります。元の記録や欠損理由を残す工夫を説明できていれば認めます。実データを使う場合は、目的・利用権限・保存場所・学校の承認済み方法を確認する案が適切です。個別の法的判断をせず、必要な窓口へ確認することも評価します。
ワークシートと成果物
分割シートではL01〜L08をtrain、L09〜L10をvalidation、L11〜L12をtestにします。補完値はtrainで決め、validationとtestへ同じ値を適用します。
列の意味・単位・時点・欠損数を記録します。予定日数と予約数を特徴量、late を目的変数にし、返却後実日数と行IDは外します。訓練値から補完値3を求めて検証へ使い、テスト値100は計算に使いません。
IDを予測入力から分ける提案、学校規則と承認方法の確認があれば認めます。名前を消しても個人が分かる場合を説明できることも見ます。利用可否は学校の規則と担当窓口で確かめます。
第3章：回帰で数を予測する
自己チェック
自己チェック（1節）
- 回帰です。草丈を数値で予測するからです。
- 約3.3333です。1.5×2+0.3333を計算します。
- 範囲外への外挿です。同じ関係が続くとは限らない点に注意します。
自己チェック（2節）
- 残差の二乗の合計です。最小二乗法はその合計が小さくなるように値を決めます。
- 正負をそのまま足すと打ち消し合うためです。二乗すると符号がなくなり、大きなずれを強く反映します。
自己チェック（3節）
- 0.5です。4−3.5=0.5です。
- 2.5です。((-2)²+1²)/2=(4+1)/2=2.5です。
- 予測値の方が大きいことを示します。実測3−予測約3.3333は負です。
自己チェック（4節）
- 損失が小さくなる方向です。
- 0.3です。
w_new=0−0.1×(−3)=0.3と計算します。
確認問題（選択式）
Q1 正答はDです。残差は実測値から予測値を引いた差です。Aは全点の予測値の平均で、個々の点のずれではありません。Bは引く順が逆です。Cは和であり、差ではありません。
Q2 正答はCです。平均二乗誤差は各残差を二乗してから平均します。Aは最大絶対誤差、Bは二乗も平均もしていません。Dは正解した行を数える分類評価の考え方です。
Q3 正答はDです。2×3+1=7です。Aはxを2と取り違えると2×2+1=5になります。Bは切片1を加えず2×3=6とした値です。Cは切片を2と取り違えると2×3+2=8になります。
Q4 正答はBです。二乗誤差では大きな残差の二乗も大きくなり、線が外れ値側へ引かれることがあります。Aは外れ値の影響を受けないと誤解し、Cも、外れ値が残差や直線に影響しないとしている点が誤りです。Dは線形回帰が外れ値を自動で除くという誤解です。
練習
1 0.5です。定義どおり実測−予測を計算し、4−3.5=0.5とします。
2 2.5です。−2と1をそれぞれ二乗し、4と1の平均を取ります。二乗前に平均したり、符号を残して足したりしません。
3 平均xは2、平均yは10/3です。傾きは1.5、切片は1/3です。予測式は ŷ=1.5x+1/3 となり、x=4では 1.5×4+1/3=19/3≈6.3333 です。三点の予測は11/6、10/3、29/6です。残差（実測−予測）は順に1/6、−1/3、1/6です。MSEは ((1/6)²+(−1/3)²+(1/6)²)/3=1/18≈0.0556 です。観察したxの範囲は1〜3であり、x=4は範囲外です。範囲外でも同じ関係が続くとは限らないと伝えます。
4 w=0.3、b=0.4です。w_new=0−0.1×(−3)=0.3、b_new=0−0.1×(−4)=0.4 です。勾配が負なので、引き算によって値が増えます。
考えよう 一例は「直線を当てはめただけでは、日照時間が草丈の変化を起こしたとは言えません。水や土などの条件も確かめたい」です。因果を断定せず、追加情報を挙げていれば正答です。
グループで話そう 一例は、「観察した日照時間は1〜3時間です。4時間では約6.3333 cmと予測されますが、観察範囲外なので実測値と同じとは限りません。追加の観察でも傾向を確かめます」です。範囲・予測の意味・次の確認が含まれている案を認めます。
ワークシート3-1 完成例と同じです。MSEを分数で求める場合は1/18、小数なら約0.0556です。表示の丸めによる末尾の差は、計算の式と丸め方が正しければ認めます。
ワークシート3-2 w_new=0−0.1×(−3)=0.3、b_new=0−0.1×(−4)=0.4 です。二つの更新式を別々に記入します。
使える表現の確認 計算の引く順、残差の符号の意味、観察範囲、追加確認のいずれかを相手に伝える表現です。場面と表現が合っていれば、ここにある文以外も使えます。
第4章：分類で種類を予測する
自己チェック
自己チェック（1節） 1. 回帰です。 2. 分類で予測する種類や区分です。 3. いいえ。表は説明用の架空データです。
自己チェック（2節） 1. 距離の近い訓練データを三つ選びます。 2. Aです。 3. 大きな尺度の特徴量が距離を強く左右します。
自己チェック（3節） 1. √0.5、約0.7071です。 2. 行ID順なのでP3です。 3. テストへ調整が合い、独立した最後の評価でなくなるからです。
自己チェック（4節） 1. 葉です。 2. 右側です。「未満」は2.5を含みません。 3. 新しいデータで外れやすい過学習です。
確認問題（選択式）
Q1 正答はCです。距離が近いk個の訓練例のクラスを数え、多数決します。Aは最も遠い点だけを使い、Bは座標の平均をクラスにしています。Dは近傍の訓練例を参照せず、全体平均を使います。
Q2 正答はDです。分岐は特徴量の条件を調べ、進む先を選びます。Aは葉の役割を分岐と取り違え、Bは分岐と葉の役割を逆にし、Cは葉からさらに分岐するとしています。
Q3 正答はAです。P1までの距離平方は(1−1.5)²+(1−1.5)²=0.5です。他はP2が4.5、P3とP4が2.5なので、P1が最短です。
Q4 正答はBです。0.62はしきい値0.5以上なので陽性です。Aは確率がしきい値を超える場合に陽性としながら結果を陰性とし、Cは0.62以上を陰性とし、Dはしきい値以下を陽性としています。
練習
1 距離平方は順に0.5、4.5、2.5、2.5。距離は約0.7071、2.1213、1.5811、1.5811です。最短二点はP1とP3。同距離はID順です。
2 左はF1・F2、葉の予測はAです。右はF3・F4、葉の予測はBです。各行の幅を2.5と比べ、未満かどうかで枝を決めます。
3 順はP1、P3、P4、P2です。同距離はID順。k=3の票はA=2、B=1で、予測はAです。
4 深い木は訓練例の細かな違いに合わせた分岐を作り、訓練例を覚えやすくなることがあります。一方で、訓練に使わなかったデータでは外れる可能性があり、過学習の兆候を検証用データで調べます。条件に代入して枝を追うことも必要です。条件の追跡と新しいデータへの確認が書けていれば正解です。
考えよう・グループで話そう
考えよう 重さをグラムで表すと数値が大きく、距離で幅より強く効きやすくなります。kgに直すと順位も変わる場合があります。標準化などを検討し、訓練データで処理を決めます。
グループで話そう 近傍法は周囲の訓練例と投票を示せます。決定木は条件と枝を順に示せます。どちらが追いやすいかは、データや説明する相手によって変わります。新しい訓練例が加わると、近傍の順位や票、木の条件や枝が変わることがあります。説明のしやすさと予測の安定性を別々に挙げた案を認めます。
ワークシート
4-1 距離平方はP1=.5、P2=4.5、P3=P4=2.5です。順位はP1、P3、P4、P2で、k=3の票はAが2、Bが1です。木ではF1・F2が左からA、F3・F4が右からBです。
4-2 R=(2,2)から各点までの距離平方は2です。同距離はID順なのでP1が最初です。k=1はA、k=3もAが2票でAと予測します。木も幅2からAを出します。
近い点を選ぶ順は距離の小さい順で、同距離なら行ID順です。条件「幅<2.5」に入る行はF1とF2で、予測はAです。新しいデータや特徴量の尺度によって結果が変わる可能性があります。
第5章：予測を評価する
自己チェック
自己チェック（1節） 1. 返却が遅れることです。 2. 実際は陽性なのに陰性と予測した件数です。 3. 6件です。TP+FN=4+2で求めます。
自己チェック（2節） 1. 9/12=0.75です。 2. 陽性を何件見つけたか、または誤りの種類などです。 3. 実際に遅れる例を陰性と予測し、見逃すことです。
自己チェック（3節） 1. TP+FPです。 2. 4/6です。 3. 0です。分母は2で、0除算ではありません。
自己チェック（4節） 1. 0.90です。 2. 0です。 3. 再現率です。実際の陽性のうち何件を見つけたかを示します。
確認問題（選択式）
Q1 正答はCです。TP/(TP+FP)です。Aは実際の陽性を分母にする再現率、Bは全体の正解率、DはF1スコアです。
Q2 正答はBです。実際の陽性のうち正しく見つけた割合です。Aは予測陽性を分母にする適合率、Cは全体の正解率、Dは実際の陰性を分母にする割合です。
Q3 正答はBです。適合率は4/5。AはFP/(TP+FP)=1/5で誤警告割合、CはTP/TP=4/4で適合率からFPを除いています。Dの9/10は与件のTP=4、FP=1から求められません。
Q4 正答はCです。しきい値以上を陽性とするので、確率0.7の行2も陽性です。TP=1（行1）、FP=1（行2）、FN=1（行3）です。Aは確率がちょうど0.7の行2を陽性に数えていません。Bは確率0.7の陰性例をFPに数えず、FNも数えていません。DはFPとFNの数が合いません。
練習
補足（練習5-1） 適合率は6/(6+2)=0.75です。
5-1 6/(6+2)=6/8=0.75です。
5-2 6/(6+3)=6/9=0.6667です。
5-3 行は実際（陰性・陽性）、列は予測（陰性・陽性）です。混同行列は [[5,1],[2,4]]、総数12です。正解率0.750、適合率0.800、再現率0.667、F1=0.727です。
5-4 行は実際（陰性・陽性）、列は予測（陰性・陽性）です。混同行列は [[90,0],[10,0]] で、TN=90、FP=0、FN=10、TP=0です。正解率0.90、適合率は未定義、再現率0、F1=0です。F1は件数式で計算できます。
補足（練習5-2） 再現率は6/(6+3)=2/3≈0.6667です。
第6章：過学習を見つけ、評価を設計する
自己チェック
1節：1. 汎化です。2. 検証データです。3. テストが独立した最終評価であるという意味が弱くなります。結果に合わせて調整したためです。
2節：1. 過学習です。2. 複雑さ2です。検証誤差0.22が表の最小値です。3. 訓練誤差が小さくても、検証誤差が上がることがあるためです。
3節：1. 5回です。2. 4foldです。3. その回の訓練側だけです。
4節：1. 訓練側です。2. テスト側です。3. 結果に合わせて設定を変えると、そのテストは調整に使ったことになり、独立した最終評価でなくなるためです。
確認問題
Q1 正答はCです。訓練成績が高く検証成績が低い組合せは、過学習の兆候です。Aは両方の成績が低い未学習の可能性、Bは成績の組合せが逆、Dは同じ値でも高低が分からないため過学習とは決まりません。
Q2 正答はAです。検証に使う部分を替えてk回学習・評価し、結果を平均します。Bはテストを訓練に混ぜ、Cは学習と評価を分けず、Dはテストを調整に使っています。
Q3 正答はCです。テストは候補を選んだ後の最終評価に使います。Aは調整ごとにテストを使い、Bは前処理のfitへテストを混ぜ、Dは評価データを使って訓練ラベルを作ります。
Q4 正答はBです。複雑さ2の検証誤差0.22が最小です。Aは訓練誤差だけ、Cは訓練・検証の差だけを見ており、Dは最大の検証誤差を選んでいます。
6-1 過学習です。複雑さ3では訓練誤差0.05に対し検証誤差0.35です。
6-2 4foldで訓練し、残り1foldで検証します。5回繰り返し、各foldを一度ずつ検証にします。
6-3 合計3.50、平均0.70、最小0.50、最大1.00です。表の抽象得点で、実測性能ではありません。
6-4 CV05・CV06を検証、残り8行を訓練に使います。補完値は訓練側で決め、テストは最後に評価します。テストに合わせて調整すると独立評価でなくなります。
第7章：似たデータをまとめる―k平均法
自己チェック
自己チェック（1節）
- クラスタリングです。教師なし学習で使われる方法の一つです。
- 教師なし学習は、正解ラベルを使わずに構造を探す学習方法です。クラスタリングは、その方法の一つとして似た記録をまとめます。
自己チェック（2節）
- 群の数k=2と初期中心C1=1、C2=9です。
- (1+2)/2=1.5です。
- 再割当て後も所属群が変わらなければ停止します。変化があれば更新を続けます。
自己チェック（3節）
- 98です。(2−9)²+(1−8)²=49+49=98です。
- C1=(1.5,1)。群は変わらないため停止します。
自己チェック（4節）
- 数値範囲の大きな列が、距離に強く出ます。
- 訓練側で平均・標準偏差を求め、特徴量・初期値・記録の意味を確かめます。
確認問題
Q1 正答はDです。更新後に再割当てしても所属群が変わらなければ止めます。Aは距離計算だけ、Bは中心更新だけで止め、Cは群の人数を停止条件にしています。
Q2 正答はBです。ラベルなしで似たデータをまとめます。Aは正解ラベルを使う評価、Cは数値予測、Dは報酬を使う強化学習です。
Q3 正答はBです。C1まで7、C2まで1です。Aは遠いC1を選び、Cは一つの点を二群へ同時に入れ、Dはどちらにも入れないとしています。
Q4 正答はAです。主成分分析は特徴量を少ない軸で表す方法です。Bはラベル付きの分類、Cは報酬を使う強化学習、Dはk平均法の中心更新です。
練習
7-1 値2はC1まで1、C2まで6でC1、値4はC1まで1、C2まで4でC1、値7はC1まで4、C2まで1でC2です。
7-2 C1={2,4}で、更新中心は(2+4)/2=3です。
7-3 初期割当てはC1={1,2}、C2={8,9}です。更新中心は1.5と8.5で、再割当て後も同じ群なので停止します。
7-4 金額差は距離に強く出るため、平均と標準偏差は訓練側だけで求めます。標準化を検討し、群から能力や価値は判断しません。
第8章：ニューラルネットワークと深層学習
自己チェック
自己チェック（1節）
- z=0.1です。0.5×2=1、−0.25×4=−1なので積の和は0です。そこへ0.1を加えます。
- 入力値に掛ける係数です。入力に足す調整値はバイアス項です。
自己チェック（2節）
- 0.1です。0と0.1の大きい方を出します。
- 0です。0と−0.4では0の方が大きい値です。
- 隠れ層です。入力層と出力層の間にあります。
自己チェック（3節）
- 誤差は−0.5です。二乗誤差は(−0.5)²=0.25です。
- 0.4です。0.2−0.1×(−2)=0.4 と計算します。
- いいえ。一件の例に合うことだけでは、別のデータでの予測性能は分かりません。
自己チェック（4節）
- 多くの層を持つニューラルネットワークを使う方法です。
- いいえ。複雑な関係を表せる場合はありますが、データへの合わせすぎや計算量の増加があり、別のデータでの評価が必要です。
確認問題（選択式）
Q1 正答はAです。重みは入力に掛け、バイアス項は和に加えます。Bは役割を逆にし、Cはバイアス項を関数と取り違え、Dは重みを関数名と取り違えています。
Q2 正答はAです。エポックは訓練データ全体を一回り学習に使う単位です。Bは計算に加える値、Cは計算結果を変換する関数、Dは評価用データの分割です。
Q3 正答はCです。z=wx+b=0.5×2+0.1=1.1です。Aの0.6は積wxを落としてw+bを計算しています。Bの1.0はバイアス項を加えていません。Dの1.5は式の計算と合いません。
Q4 正答はBです。ReLUはmax(0,z)なので、max(0,−0.4)=0です。Aは関数を通す前の値です。Cは負号を反転させた値です。Dは与えられた式から出ない値です。
練習
1 z=1−1+0.1=0.1です。各積、和、バイアス項の順に計算します。
2 z=0.1の出力は0.1、z=−0.4の出力は0です。
3 z=0.5×2+0.1=1.1です。式と途中計算を見ます。
4 w=0.2−0.1×(−2)=0.4、b=0.1−0.1×(−1)=0.2です。更新後の予測はŷ=1です。更新式、値、予測を各一点で見ます。
5 図に入力、重み、バイアス項、活性化関数、出力を示します。層の説明は「前の層の出力を次の層の計算に渡す」、脳との違いは「数値を計算する仕組みで、脳の働きそのものを再現しない」などを認めます。図1点、層の意味1点、脳との違い1点で採点します。
考えよう・グループで話そう
考えよう 訓練で学び、検証で比べ、テストで最後に評価する例を認めます。役割を分ける理由も確認します。
グループで話そう 予測目的、入力、人の確認、誤りの可能性を含み、自動で合否を決めない説明を認めます。
ワークシート
ワークシート8-1 積は1と−1、和は0です。zとReLU後は0.1。図は入力x1・x2、隠れh1・h2、出力ŷです。成績や合否は分かりません。
計算の順序、ReLUの出力、重みの更新、モデルの限界を場面に合う言葉で説明できれば使えます。本文と同じ文でなくても構いません。
第9章：生成AIの入口と責任ある利用
自己チェック
自己チェック（1節）
- 文章、画像、音声などを、指示に合わせて新しく作ります。
- いいえ。学習データは学ぶ例、モデルは調整された計算、出力は入力に対する生成結果です。
自己チェック（2節）
- 文章を処理するときに分けて扱う単位です。
- 「晴れ」です。0.60が最大です。
自己チェック（3節）
- 学習はデータからモデルを調整し、推論は新しい入力から出力を得ます。
- 出力や関係する要素を、人が分かる形で示せる程度です。内部理由の全てを示すとは限りません。
自己チェック（4節）
- 入力を止め、学校の規則と承認済みの方法を確認します。
- 既存作品との類似、出典、許諾や利用条件を確かめます。
確認問題（選択式）
Q1 正答はDです。AI事業者ガイドラインは総務省・経済産業省の第1.2版で、内閣府指針は人工知能戦略本部が2025年12月に決定した別資料です。Aは作成機関と資料を入れ替え、Bは指針を法律の条文とし、Cは別資料を旧版・新版としています。
Q2 正答はBです。学校の規則と承認済みの方法を送信前に確認します。Aは列の確認だけで規則・承認状況を確認せず、Cは精度と利用承認を混同し、Dは記録だけで送信できるとしています。
Q3 正答はAです。公式資料を開き、開始日が主張を支えるか照合します。Bは資料の実在だけ、Cは公開日だけを見て主張を確かめず、Dは別の生成AIの一致を根拠に確定しています。
Q4 正答はCです。候補確率は次の語が選ばれやすい程度を表します。Aは出典確認、Bは事実、Dは権利許諾の程度と取り違えています。
練習
1 関係する公式資料・一次資料で制度名と開始日を確認し、資料名、発行日、確認日、主張との一致を記録します。見つからない点は未確認とします。
2 送信せず、学校の規則と承認済みの安全な利用方法を担当者に確認します。氏名を消しただけで安全とは判断しません。
3 「晴れ」、0.60です。次はこの単位を文脈に加えて候補を計算します。図では二回目に「です」を選び、文脈を「今日は晴れです」にします。二回分の候補・選択・更新後の文脈が示され、仮の区切りと分かれば完成です。確率は真偽や出典を証明しません。
4 一次資料で事実を確かめる、個人情報を入力しない方法を確認する、既存作品との類似・出典・利用条件を確かめます。個別の適法性は断定せず、必要なら窓口へ相談します。
政府資料の確認欄 AI事業者ガイドラインは総務省・経済産業省の第1.2版（2026年3月31日）、内閣府指針は人工知能戦略本部が2025年12月19日に決定した別の指針です。内閣府指針はAI法第13条に基づきます。内閣府「人工知能基本計画（第Ⅱ期）」は2026年7月14日閣議決定です。指針名・機関・版または決定日を正しく対応させ、法律の条文そのものと区別できれば3点。
考えよう・グループで話そう
考えよう 一例は「題名・著者・発行元を調べ、実際の資料と出力を比べます。見つからなければ確認日と検索先を記録して未確認とし、引用しません」です。資料を確かめ、未確認時の行動を書けていれば合っています。
グループで話そう 課題での利用可否、引用方法、個人情報を入力しないことを学校で確認します。確認先と一次資料で確かめる方法を話せていれば合っています。
ワークシート
ワークシート9-1 「大学生の8割が毎日AIを使う」は、調査名と出典が確認できないため未確認です。発行日は不明です。公式資料を探し、見つからなければ使わないと記録します。個人情報は入力せず、学校の規則を確認します。公開前に類似、出典、利用条件も確かめます。
学校の課題ルールを確かめ、参考文献は実在と内容を調べてから使います。個人情報を入力せず、利用範囲と確認した資料を記録できていれば合っています。
第10章：小さな予測プロジェクト
自己チェック
自己チェック（1節）
- lateです。
- 返却後の実日数は予測時点より後に分かるため、入力に含めると未来の情報を先に使います。
自己チェック（2節）
- L11とL12はtestです。
- テストを方法の選択に使うと、テストに合わせて方法を決めてしまい、未知のデータに対する最終評価ではなくなるためです。
自己チェック（3節）
- 常に0です。訓練では0と1が4件ずつで、同数時は0を返す規則だからです。
- L06です。入力(21,2)がL12と一致し、lateは1です。
- 実際の陽性数TP+FNが0なので、再現率の分母が0となり計算できません。
自己チェック（4節）
- 目的、データ、評価、使う範囲、注意点です。
- 例：実際に使った場合の性能です。テスト2件からは分かりません。
確認問題（選択式）
Q1 正答はCです。fitは訓練だけで行い、同じ変換を検証・テストへ適用します。A・Bは検証またはテストをfitに含め、Dは全データでfitします。
Q2 正答はAです。1-NNの正解率は0.5、再現率は未定義です。Bは基準モデルの正解率と混同し、Cは未定義を0とし、Dは正解率0.5を再現率にも当てはめています。実際の陽性が0件なので、再現率の分母は0です。
Q3 正答はAです。訓練の0と1が同数のときは、決めた規則で0を返します。Bは1を固定する誤り、Cは訓練の多数クラスを選ぶ別規則、Dは最近傍法の出力との混同です。
Q4 正答はCです。L05=(21,0)とL06=(21,2)はL10=(21,1)からの距離がどちらも1です。ほかの候補は二つの特徴量の差を比べると距離1ではありません。
練習
ワークシート
記入例は本文の「ワークシート10-1」と「成果物の完成例」を参照します。採点では、固定された時点・特徴量・分割・混同行列・限界が一致しているかを確認します。
10-1 例：「この固定testでは1-NNの正解率は0.5でした。この12行だけでは実際の性能は判断できません。」固定testに限定し、保証を避けていれば正解です。
2 データの出所、行ID・列定義、予測時点、分割、検証比較、前処理、距離、同距離時の規則、Pythonの版、予測値などを記録します。再実行できる条件を6つ以上挙げていれば認めます。
3 予測はL11=0、L12=1、実際は0、0です。TN=1、FP=1、FN=0、TP=0です。正解率=(1+0)/2=0.5、適合率=0/(0+1)=0です。再現率は0/(0+0)で未定義、F1=2×0/(2×0+1+0)=0です。実際の陽性がなく、再現率の分母は0です。
10-4 問い、予測時点、行ID、特徴量・目的変数、分割、検証比較と同点規則、基準、方法・距離、同距離規則、予測、混同行列と指標、誤り行、限界、実行環境と版を記します。限界の例：「テストは2行だけなので、実際の性能は分かりません。」
考えよう
一例は「テストに正例がないため再現率が計算できない」「正解率が1でも、遅れを見つけられたかは分からない」です。指標とテストの構成の両方に触れていれば認めます。
グループで話そう
誤り行ID、使った列、予測時点、記録の出所を調べる案を認めます。授業担当者やデータ管理者など、相談相手と確認理由が具体的ならよいです。個人を責めたり、小さな例から全体へ一般化したりする答えは認めません。