機械学習ライブラリscikit-learnで、実際にモデルを作って学習・予測する分野です（36問収録）。k近傍法（KNeighborsClassifier）・決定木（DecisionTreeClassifier）・サポートベクターマシン（SVC）・線形回帰（LinearRegression）といった代表的アルゴリズムと、それぞれの考え方（多数決・Yes-No分岐・決定境界の最大化・数値予測）が頻出です。共通する手順（モデル準備→fitで学習→predictで予測）、train_test_splitによるデータ分割やシャッフルの目的、accuracy_scoreでの精度評価、max_depthやkernelなどのパラメータ、分類と回帰の違いも押さえましょう。
この分野の問題36問を、選択肢・正解・解説つきで掲載しています。まず自分で解答を考えてから「正解と解説を見る」を開いて答え合わせをしてください。
クイズモードで挑戦 →正解：A．与えられた未知のデータに対し既存データのうち最も近いk個を使って多数決で分類する
k近傍法は未知のデータに対して近傍のデータ群を用いて多数決で分類先を決定するアルゴリズムである。
この問題の解説ページを開く →正解：D．アルゴリズムの準備→fitによる学習→predictによる予測
scikit-learnの基本手順は、モデルの準備、fitによる学習、predictによる予測である。
この問題の解説ページを開く →正解：B．scikit-learnのfitとpredictという基本手順を共通して利用する
どちらのモデルもscikit-learnの標準的なfitとpredictというインターフェースを使用する。
この問題の解説ページを開く →正解：A．検証用データx_testに対する予測結果をpredictedに代入する
predictメソッドはモデルを用いて未知のデータ（この場合はx_test）に対する予測を行う。
この問題の解説ページを開く →正解：D．predictをした後にfitをする必要がある
fitで学習した後にpredictで予測するのが正しい手順であり、順序は逆転できない。predictを先に行うことはできないため、これが正しくない記述である。
この問題の解説ページを開く →