応用情報技術者試験 応用情報技術者試験 令和6年度秋期 午前 問2: AI における教師あり学習での交差検証に関する記述はどれか。

問題本文

AI における教師あり学習での交差検証に関する記述はどれか。

選択肢

• ア.過学習を防ぐために，回帰モデルに複雑さを表すペナルティ項を加え，訓練データへ過剰に適合しないようにモデルを調整する。
• イ.学習の精度を高めるために，複数の異なるアルゴリズムのモデルで学習し，学習の結果は組み合わせて評価する。
• ウ.学習モデルの汎化性能を高めるために，単一のモデルで関連する複数の課題を学習することによって，課題間に共通する要因を獲得する。
• エ.学習モデルの汎化性能を評価するために，データを複数のグループに分割し，一部を学習に残りを評価に使い，順にグループを入れ替えて学習と評価を繰り返す。

正解

エ. 学習モデルの汎化性能を評価するために，データを複数のグループに分割し，一部を学習に残りを評価に使い，順にグループを入れ替えて学習と評価を繰り返す。

解説

交差検証（クロスバリデーション）は、限られたデータで学習モデルの汎化性能（未知データへの当てはまりの良さ）を偏りなく評価するための手法である。データを複数のグループ（fold）に分割し、一部を評価用・残りを学習用に使い、評価用にするグループを順番に入れ替えながら学習と評価を繰り返してその平均で性能を測る。この説明そのものであるエが正解である。

選択肢ごとの解説

• ア.回帰モデルに複雑さのペナルティ項を加えて過剰適合を抑える手法は正則化（リッジ回帰やラッソ回帰など）の説明であり、交差検証ではない。
• イ.複数の異なるモデルの結果を組み合わせて精度を高める手法はアンサンブル学習（バギングやブースティングなど）の説明で、交差検証とは異なる。
• ウ.単一モデルで関連する複数課題を同時に学習し共通要因を獲得する手法はマルチタスク学習の説明であり、交差検証ではない。
• エ.データを複数グループに分割し、評価用グループを順に入れ替えて学習と評価を繰り返すのは交差検証の定義どおりであり、これが正解である。