読み方のヒント

矢印ボタン(または ← → キー)でページを移動できます。

第3節 ニューラルネットワークとディープラーニング

3.3 過学習と対策、転移学習

拓海は、千尋の店の売上データで予測のモデルを作りました。学習に使ったデータではほぼ完璧に当たるのに、翌月のデータでは大きく外れました。

この状態を過学習(オーバーフィッティング)といいます。学習データに合わせすぎて、偶然のばらつきまで覚えてしまい、新しいデータに対応できなくなった状態です。新しいデータにも対応できる力を、汎化性能といいます。

対策内容
アーリーストッピング学習に使っていない確認用のデータで成績が下がり始めたら、学習を止める
正則化重みが極端に大きくならないよう、学習に制約をかける
ドロップアウト学習中に、ニューロンの一部をランダムに休ませ、特定のつながりに頼りすぎないようにする

転移学習は、ある課題で学習済みのモデルを、別の課題に使い回す方法です。大量の写真で学んだモデルを土台にすれば、文具の写真が数百枚しかなくても、文具を見分けるモデルを作れます。土台のモデルの重みを新しい課題のデータで追加学習して調整することを、ファインチューニングといいます。

解答

正解は1・2・4です。3は、学習データでの成績だけを見て学習を続けるため、かえって過学習を招きます。

14 / 25