A不正解
大量データでの事前トレーニング
事前トレーニングは、大量のデータで基盤モデルに汎用の知識を身に付けさせる段階です。未分類の文書を学習に使えますが、担当者の 20 種類の分類の正解は同じ学習の中で使わないため、要件に合いません。
QUESTION
ある AI プラクティショナーは、社内文書を 20 種類の分類に振り分けるモデルを作りたいと考えています。担当者が分類を付けた文書は 800 件だけで、分類の付いていない文書が 200 万件あります。これらの未分類の文書も、分類済みの文書と同じ学習の中で一緒に使いたいと考えています。 この要件に適切な学習方式は、次のうちどれですか。
1 / 1
回答を選択してください
正解D
解説
少量のラベル付きと大量のラベルなしを両方使う学習方式を選ぶ問題。
- 1「担当者が分類を付けた文書は 800 件だけ」ラベル付きデータは少量しかない
- 2「分類の付いていない文書が 200 万件あります」ラベルなしデータが大量にある
- 3「未分類の文書も、分類済みの文書と同じ学習の中で一緒に使いたい」分類済みと未分類を同じ学習で両方使う方式が必要 (半教師あり学習)
B不正解
自己教師あり学習
自己教師あり学習は、入力データ自体からラベルを作って学ぶ方式です。未分類の文書は使えますが、担当者が決めた 20 種類の分類の正解は同じ学習の中では使わないため、要件を満たしません。
C不正解
800 件だけで学習する教師あり学習
教師あり学習は、入力と正解の組で学ぶ方式です。分類済みの 800 件だけで学習し、未分類の 200 万件は予測の対象として使うだけになるため、学習に生かす要件には適しません。
D正解
半教師あり学習
半教師あり学習は、少量のラベル付きデータと大量のラベルなしデータを両方使って学ぶ方式です。分類済みの 800 件と未分類の 200 万件を同じ学習の中で一緒に使えるため、この要件を満たします。
ポイント
ラベル付きデータが少量で、ラベルなしデータが大量にある場合です。両方を同じ学習で使うなら、半教師あり学習が当てはまります。
・ラベルの有無だけでなく、両方を使うかどうかで判断します。
・ラベルなしだけなら教師なし学習、ラベル付きだけなら教師あり学習です。
・基盤モデルの事前トレーニングで使う自己教師あり学習は、データ自体からラベルを作る方式です。