令和6年度秋期 データベーススペシャリスト 午前Ⅰ 問1

前提条件と判断の範囲をそろえる

学習手法について考えるときは、ある判断がどの前提条件に基づくものかに注目しましょう。用語の印象だけで結論へ進まず、与えられた情報から確認できる範囲と、自分が補っている想定を分けて整理することが大切です。

この問題で問われていること

この話題では、判断の根拠となる条件が明示されているかを意識してください。説明を理解したつもりでも、書かれていない条件を足して考えていないか立ち止まり、提示された情報だけでどこまで言えるかを確かめましょう。

視点

前提条件は、判断を支える土台です。知識から思い浮かぶ想定と、実際に与えられている条件を区別すると、判断の範囲を整理しやすくなります。

確認ポイント

• 判断の根拠となる条件を確認したか
• 明示されていない条件を自分で補っていないか
• 判断の範囲が、根拠となる条件の範囲を超えていないか

正解

エ

解説

正解はエです。交差検証は、データを複数のグループに分割し、学習と評価に使うグループを入れ替えながら繰り返し評価する手法です。これにより、特定のデータ分割に偏りにくい汎化性能の見積もりを得ます。

理由

エは、データを複数のグループに分割し、一部を学習に、残りを評価に使い、順にグループを入れ替えて学習と評価を繰り返すと述べています。これは交差検証の手順です。各回では評価用のデータをその回の学習に使わず、得られた評価結果をまとめて汎化性能を見積もります。

比較

アはモデルの複雑さにペナルティを課す正則化、イは複数のモデルの結果を組み合わせるアンサンブル学習、ウは関連する複数の課題を単一のモデルで学習するマルチタスク学習です。これらは学習方法に関する工夫です。一方、交差検証は、学習と評価に使うデータの組合せを変えながら性能を評価する手法です。

選択肢ア

これは不正解だよ。複雑さを表すペナルティ項を回帰モデルに加え、訓練データへ過剰に適合しないよう調整するのは、正則化の説明です。過学習を抑えるための学習上の工夫であり、データのグループを入れ替えて性能を評価する交差検証の説明ではありません。

選択肢イ

これは不正解だよ。複数の異なるアルゴリズムのモデルで学習し、その結果を組み合わせるのは、アンサンブル学習の説明です。複数のモデルの結果を活用して精度を高める手法であり、学習用と評価用のデータを入れ替えて評価を繰り返す交差検証とは異なります。

選択肢ウ

これは不正解だよ。単一のモデルで関連する複数の課題を学習し、課題間に共通する要因を獲得するのは、マルチタスク学習の説明です。関連する課題の知識を共有して汎化性能の向上を目指す手法であり、データを分割して学習と評価を繰り返す交差検証とは異なります。

選択肢エ（正解）

これは正解だよ。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繰り返すのは、交差検証の説明です。異なるデータの分け方で得た評価結果をまとめることで、一度の分割だけに左右されにくい汎化性能の見積もりができます。

学習のポイント

交差検証の目的と手順を理解し、正則化、アンサンブル学習、マルチタスク学習との違いを整理しましょう。