教師あり学習での交差検証｜科目A-1（応用情報技術者） 令和6年 秋期午前試験 問2
出典：令和6年秋期 午前 問2
分野：基礎理論（中分類） ／ 情報に関する理論
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，学習の結果は組み合わせて評価する。
- 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。
TSUNAGARU-ADVICE
まず押さえたいこと
交差検証は、学習モデルが未知のデータに対してどれだけ正しく予測できるかという汎化性能を評価する方法です。データを複数のグループに分割し、一部を学習用、残りを評価用として使い、役割を入れ替えながら学習と評価を繰り返します。
迷ったときの判断軸
「データを分割し、学習用と評価用を入れ替えて繰り返す」が交差検証の特徴です。ペナルティ項を加える方法は正則化、複数モデルの結果を組み合わせる方法はアンサンブル学習、複数の関連課題を同時に学習する方法はマルチタスク学習です。
科目Bにつなげるために
特にプロフェッショナルデジタルスキル（データ・AI）試験合格を目指す方は、訓練データでの性能が高くても、未知データで同じ性能が出るとは限らないことを押さえましょう。交差検証は、過学習の有無やモデル選択の妥当性を評価する場面につながります。
交差検証とは、学習モデルが未知のデータに対してどの程度正しく予測できるかという、汎化性能を評価するための手法です。
代表的なk分割交差検証では、データを複数のグループに分割し、一部を評価用、残りを学習用として使用します。その後、評価用とするグループを順番に入れ替えながら学習と評価を繰り返し、その結果を総合してモデルの性能を評価します。
したがって、エが適切です。
❌他選択肢が誤りの理由ア：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。
⇒正則化の説明です。モデルの複雑さにペナルティを与え、過学習を抑制する手法です。
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，学習の結果は組み合わせて評価する。
⇒アンサンブル学習に関する説明です。複数のモデルを組み合わせることで、予測精度や安定性の向上を図ります。
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。
⇒マルチタスク学習の説明です。関連する複数のタスクを同時に学習し、共通する特徴を利用して性能向上を図ります。