損失関数の使い分け
A社の開発チームは、ニューラルネットワークで次の2つのモデルを学習させる。①翌日の店舗の来店者数(人数)を予測するモデル ②問い合わせメールを「請求」「配送」「その他」の3つに振り分けるモデル。学習で最小化する損失関数の組み合わせとして、最も適切なものを1つ選べ。
- A
①は交差エントロピー誤差、②は平均二乗誤差を使う。
- B
①は平均二乗誤差、②は正解率を損失関数にして、正解率が上がるように重みを直接更新する。
- C
①も②も平均二乗誤差を使う。分類もカテゴリを番号に置き換えれば数値の差で扱える。
- D
①は平均二乗誤差、②は交差エントロピー誤差を使う。
正解と解説を見る
正解:D
損失関数は課題の種類で選ぶ。回帰では平均二乗誤差、分類では交差エントロピー誤差が基本。正解率などの評価指標は、学習で直接最小化する損失関数とは役割が違う。
- A
誤り。回帰と分類の組み合わせが逆になっている。
- B
誤り。正解率は評価指標。重みを少し変えても値がなめらかに変わらず勾配を計算できないので、誤差逆伝播で最小化する損失関数には向かない。
- C
誤り。カテゴリに振った番号には大小の意味がないので、番号の差で誤差を測るのは不適切。分類では確率のずれを測る交差エントロピー誤差を使う。
- D
正しい。数値を予測する回帰は予測値と実測値の差を二乗して平均する平均二乗誤差、クラスに振り分ける分類は予測確率と正解のずれを測る交差エントロピー誤差が一般的。
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。