A不正解
オーバーフィッティング
オーバーフィッティングは学習データでは高精度なのに未知データで低精度になる状態です。
学習でも低精度という本問の状況とは異なるため不正解です。
ある ML チームが、構築した分類モデルを検証したところ、学習データに対してもテストデータに対しても精度が低いままでした。モデルがデータのパターンを十分に捉えられていないようです。この状態を何と呼びますか。
1 / 1
回答を選択してください
正解B
解説
学習・テスト両方で低精度の状態名を選ぶ問題。
- 1「学習データに対してもテストデータに対しても精度が低いまま」どちらでも うまくいかない＝アンダーフィット
B正解
アンダーフィッティング
正解。アンダーフィッティングは、モデルが単純すぎる・学習が不足しているなどで、学習データにすら十分適合できず、学習・テストの両方で精度が低い状態です。
C不正解
データドリフト
データドリフトは、運用中に入力の分布が変わって精度が落ちる現象です。
本問は学習段階からどのデータにも精度が出ていない状態であり、分布変化の問題ではないため不正解です。
D不正解
勾配消失
勾配消失は、深いニューラルネットワークで学習の更新信号が伝わらなくなる技術的な問題です。
学習不全の一因にはなり得ますが、『どのデータでも精度が低い』状態の分類名はアンダーフィッティングのため不正解です。
ポイント
正解の『アンダーフィッティング（学習不足）』を押さえます。
・モデルが単純すぎる・学習が不足しているなどで、学習データにすら十分適合できない状態。
・そのため学習・テストの両方で精度が低い。
オーバーフィッティングは学習で高精度・未知で低精度という別の状態で、データ拡張（手法）・推論（処理）はそもそも『状態』の名前ではありません。