AIにおける教師あり学習での交差検証に関する記述はどれか。
| ア | 過学習を防ぐために、回帰モデルに複雑さを表すペナルティ項を加え、訓練データへ過剰に適合しないようにモデルを調整する。 |
| イ | 学習の精度を高めるために、複数の異なるアルゴリズムのモデルで学習し、学習の結果は組合せで評価する。 |
| ウ | 学習モデルの汎化性能を高めるために、単一のモデルで関連する複数の課題を学習することによって、課題間に共通する要因を獲得する。 |
| エ | 学習モデルの汎化性能を評価するために、データを複数のグループに分割し、一部を学習に残りを評価に使い、順にグループを入れ替えて学習と評価を繰り返す。 |
答え エ
【解説】
交差検証(cross-validation)は、汎化性能を評価する統計的な手法でデータを複数に分割し、それらのデータで学習とテストを繰り返し、モデルの性能を評価します。
| ア | 過学習を防ぐために、回帰モデルに複雑さを表すペナルティ項を加え、訓練データへ過剰に適合しないようにモデルを調整するのは、正則化です。(×) |
| イ | 学習の精度を高めるために、複数の異なるアルゴリズムのモデルで学習し、学習の結果は組合せで評価するのは、アンサンブル学習です。(×) |
| ウ | 学習モデルの汎化性能を高めるために、単一のモデルで関連する複数の課題を学習することによって、課題間に共通する要因を獲得するのは、マルチタスク学習です。(×) |
| エ | 学習モデルの汎化性能を評価するために、データを複数のグループに分割し、一部を学習に残りを評価に使い、順にグループを入れ替えて学習と評価を繰り返すのは、交差検証です。(〇) |
【キーワード】
・教師あり学習
- 教師あり学習
機械学習には教師あり(ラベル付き)と教師なし(ラベルなし)、強化学習があり、教師ありではデータと分類の結果(ラベル)をセットで大量に与え、コンピュータの中で分類ごとの特徴を学習することで、分類(ラベル)のないデータを与えたときに、正しい分類ができるようにします。
もっと、「教師あり学習」について調べてみよう。
戻る
一覧へ
次へ