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。
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。
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