AI資格 模擬試験

生成AIパスポート 模擬試験 第5回 問4・第1章 AIの基礎と歴史(機械学習)

検証は良いのに本番で不振

A社は会員の解約を予測するモデルを作った。特徴量には利用回数や問い合わせ件数に加え、「解約手続きページの閲覧回数(集計期間には、解約申請をした後の期間も含む)」を入れていた。訓練と検証の結果は良かったが、本番の運用では表のように精度が大きく下がった。原因として最も可能性が高いものを1つ選べ。

  1. A

    訓練データに過剰に適合する過学習が起きていて、その影響が本番で初めて表に出た。

  2. B

    予測する時点では手に入らない、答えに直結する情報が特徴量に入り込み、過去データでの評価が実力以上に良く出た。

  3. C

    学習率が大きすぎて誤差が十分に下がらず、重みが最適な値に近づかないまま学習が終わった。

  4. D

    モデルが単純すぎてデータの傾向を十分に学べない学習不足が起きていて、本番データには対応できなかった。

正解と解説を見る

正解:B

予測時点では得られない情報や結果そのものを含む情報が特徴量に入ると、過去データでの評価だけが高くなり、本番で精度が下がる。特徴量は「予測する時点で本当に手に入るか」で確認する。

評価に使ったデータ正解率
訓練データ99%
検証データ(訓練に使っていない過去データ)98%
本番運用(1か月後の実データ)71%

学習のポイント:過学習は「訓練は良いが検証で悪い」。訓練も検証も良いのに本番で悪いなら、リークを疑う。

この問題を演習で解く →

生成AIパスポートのトップへ 問題一覧へ

このサイトの問題は、各試験の公開されているシラバス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。日本ディープラーニング協会(JDLA)・一般社団法人生成AI活用普及協会(GUGA)の公式サービスではありません。