学習曲線から読む未学習
物流のI社は、配送の所要時間(分)を予測する線形回帰モデルを作った。学習データの件数を変えたときの誤差(RMSE)は表のとおりで、業務で使うための目標はRMSE 6分以下である。この結果の解釈と次の打ち手として、最も適切なものを1つ選べ。
- A
検証の誤差が学習の誤差より大きいので過学習であり、正則化を強めて複雑さを抑える
- B
両方の誤差が高い水準で近づいており未学習なので、特徴量の追加や表現力の高いモデルを試す
- C
学習と検証の誤差がほぼ等しいので汎化できており、このまま本番に導入してよい
- D
件数を増やすほど検証の誤差が下がっているので、学習データをさらに集めれば目標に届く
正解と解説を見る
正解:B
学習の誤差と検証の誤差がどちらも高い水準で近づいていれば未学習、学習の誤差だけが低く差が大きければ過学習である。未学習のときは、データを増やすよりもモデルの表現力や特徴量を見直す。
| 学習データ件数 | 学習データのRMSE(分) | 検証データのRMSE(分) |
|---|---|---|
| 1,000件 | 9.8 | 10.6 |
| 5,000件 | 10.1 | 10.4 |
| 20,000件 | 10.2 | 10.3 |
- A
誤り。差は0.1〜0.8分と小さく、学習の誤差自体が高い。正則化を強めると、未学習がさらに悪化する。
- B
正しい。学習データでも誤差が目標から大きく外れ、検証誤差との差も小さい。これはモデルがデータの傾向を捉え切れていない未学習(バイアスが大きい状態)を示す。
- C
誤り。差が小さいことは汎化の目安になるが、誤差の水準が目標の6分を大きく上回っているので、業務の基準を満たしていない。
- D
誤り。検証の誤差はほとんど横ばいで、学習の誤差(約10分)に近づいている。データを増やしても目標の6分には届きにくい。
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。