近年の AP では AI/機械学習も基礎理論として出題されるようになりました。教師あり/なし/強化学習の3分類と評価指標を押さえましょう。
砂原 ニコ
AIの話、最近よく聞くけど、APにも出るんだ?
緒方 ナオミ 先生
出るのよ。
機械学習 の3分類 (教師あり学習・教師なし学習・強化学習) と、過学習・汎化性能 の概念は押さえておきたいところね。
鳴海 理央
整理すると、教師あり学習はラベル付きデータから分類・回帰を行います。
教師なしはクラスタリングや次元削減。
強化学習は報酬をもとに行動方針を最適化する、という違いですね。
藤咲 まりあ
過学習って…なぁに?
鳴海 理央
訓練データに適合しすぎて、未知のデータへの予測精度が下がってしまう現象です。
対策としては、正則化・ドロップアウト・データ拡張・交差検証などがありますよ。
緒方 ナオミ 先生
APでは『適合率・再現率・F値』のような評価指標も聞かれることがあるから、確認テストで触れておきましょうね。
砂原 ニコ
AIも基礎理論扱いなんだ〜、APって範囲広いねー!
確認クイズ
機械学習における『過学習』の説明として最も適切なものはどれか。
- 学習データにも未知データにもうまく適合できない状態
- 学習データに過度に適合し、未知データへの汎化性能が低下した状態
- 学習に時間がかかりすぎる状態
- データの数が多すぎて学習が進まない状態
こたえを見る
正解: 2. 学習データに過度に適合し、未知データへの汎化性能が低下した状態
過学習 (オーバーフィッティング) は学習データに過度に適合し、未知データへの汎化性能が下がる現象。1 は未学習 (アンダーフィッティング) です。対策は正則化・ドロップアウト・データ拡張・交差検証など。