A不正解
データドリフト
データドリフトは、本番の入力データの分布が学習時から変わる現象です。この問題では入力の分布がほとんど変わっておらず、原因は入力と結果の関係の変化にあります。
QUESTION
ある企業は、ローン審査モデルを本番で運用しています。申込者の年収や年齢の分布は、学習時からほとんど変わっていません。一方で、同じ条件の申込者の延滞率が学習時より大きく上がり、モデルの予測精度が落ちました。 この変化の原因となる現象は、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
入力の分布は変わらず、入力と結果の関係が変わった場面の現象を選ぶ問題。
- 1「申込者の年収や年齢の分布は、学習時からほとんど変わっていません」入力の分布は変わっていない (データドリフトではない)
- 2「同じ条件の申込者の延滞率が学習時より大きく上がり」入力と結果の関係が変わった
B不正解
過学習
過学習は、モデルがトレーニングデータのノイズまで覚え、学習に使っていないデータで精度が大きく下がる現象です。稼働後に入力と結果の関係が変わって起きる問題ではなく、トレーニングデータへの合いすぎで起きます。
C不正解
バイアス
バイアスは、トレーニングデータや設計に由来する偏りで、判定が特定の集団に不利に働く問題です。時間の経過とともに入力と結果の関係が変わる現象とは区別されます。
D正解
コンセプトドリフト
コンセプトドリフトは、入力と目的変数 (予測したい結果) の関係そのものが変わる現象です。入力の分布が同じでも、同じ条件の申込者の延滞の起きやすさが変わったため、学習時の関係が古くなっています。
ポイント
入力の分布が変わったならデータドリフト、入力と結果の関係が変わったならコンセプトドリフトです。
・入力の分布が変わる → データドリフト
・入力と結果の関係が変わる → コンセプトドリフト
・トレーニングデータに過剰に合う → 過学習