基礎編

AIの基礎概念に関する導入〜標準レベルの問題

内積の解釈（類似度）レベル1

ベクトル内積を機械学習で使う場面として最も適切な説明を1つ選びなさい。

解説

解答と解説を表示

内積は「重み付き和」かつ「向きの近さ」の指標

機械学習では、内積は単なる計算問題ではなく、モデルの予測値や類似度計算の中核として使われます。線形モデル・ニューラルネット・推薦など幅広く登場します。

内積の2つの見方

重み付き和: $\mathbf{w}\cdot\mathbf{x}$ は特徴量の線形結合。
幾何学的解釈: $\|\mathbf{w}\|\|\mathbf{x}\|\cos\theta$ なので、方向が近いほど値が大きくなりやすい。

選択肢の判定

正解: 選択肢1。類似度評価（特にコサイン類似度の分子）で使われます。
選択肢2,3,4はいずれも内積の定義・性質と一致しません。

試験での使い分け

予測式（線形）では「重み付き和」の視点。
埋め込み/推薦では「類似度」の視点。
同じ内積でも文脈で解釈が変わる点を押さえる。

カテゴリ一覧に戻る

問題検索