学習時と推論時の前処理
Z社では、年収などの特徴量を学習データの平均と標準偏差で標準化してモデルを学習した。ところが、本番の推論APIでは標準化をせずに生の値を入力していたため、予測が大きく外れた。再発を防ぐ対応として、最も適切なものを1つ選べ。
- A
モデルを毎日再学習するようにすれば、前処理の違いがあっても予測への影響はなくなる。
- B
標準化は予測精度に影響しないので、モデルの層を増やすなどして表現力を高めて対応する。
- C
学習時に求めた平均と標準偏差を保存し、推論時も同じ値で同じ変換を行うよう、前処理をモデルと一体で管理する。
- D
推論のリクエストが来るたびに、その入力データだけで平均と標準偏差を計算し、標準化する。
正解と解説を見る
正解:C
学習時と推論時で前処理が違うと、モデルの性能は大きく落ちる(training-serving skew)。変換に使う値は学習データから求めて保存し、推論時もその値を使う。
- A
誤り。推論時の変換が学習時と違うままなら、何度再学習しても同じずれが起きる。
- B
誤り。今回の原因は入力の尺度の不一致で、モデルの構造を変えても解消しない。
- C
正しい。前処理とモデルをまとめて管理すると、学習時と推論時の変換が一致し、ずれを防げる。
- D
誤り。1件では標準偏差を計算できず、件数が多くても学習時の基準とずれてしまう。
このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。