AIにおける交差検証

正解は「エ」です。 AIにおける教師あり学習での「交差検証(クロスバリデーション)」とは、データを複数のグループに分割し、一部を学習に、残りを評価に使用するプロセスを、順にグループを入れ替えて学習と評価を繰り返す手法です。 これにより、学習モデルの未知のデータに対する予測性能(汎化性能)を客観的に評価することができます。 他の選択肢の解説は以下の通りです。 ア: 「正則化(リッジ回帰やLasso回帰など)」の説明です。過学習を防ぐためにモデルを調整します。 イ: 「アンサンブル学習」の説明です。複数の異なるモデルを組み合わせて精度を高めます。 ウ: 「マルチタスク学習」の説明です。関連する複数の課題を同時に学習させます。

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。

出典令和6年度 秋期 高度情報処理技術者試験 午前Ⅰ 問1
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。