運用中の精度低下への対応
スーパーを展開するA社は、機械学習で商品の需要予測を行っている。導入時は予測誤差が小さかった。しかし1年後、新しい店舗が増え、客の購買行動も変わったことで、誤差が目立つようになった。この状況への対応として適切なものを2つ選べ。
- A
最近の入力データの傾向が学習時から変わっていないかを監視し、変化があれば新しいデータで再学習する。
- B
誤差が増えたのは過学習が原因なので、モデルの層を減らして、導入時と同じデータで学び直す。
- C
予測誤差を定期的に記録し、あらかじめ決めた水準を超えたら担当者が点検する仕組みを作る。
- D
導入時のテストデータで評価し直し、精度が保たれていれば、本番での誤差は一時的なものと判断する。
正解と解説を見る
正解:A・C
モデルの精度は、導入時に決まったままではない。現実のデータの傾向が変わると、精度は下がる。運用中は誤差やデータの分布を監視し、必要に応じて新しいデータで再学習する。
- A
正しい。運用中にデータの傾向が変わると、精度は下がる(データドリフト)。監視して、最新のデータで再学習することが基本の対応になる。
- B
誤り。この状況の原因は、データの傾向の変化である。同じ古いデータで学び直しても、新しい店舗や行動の変化には対応できない。
- C
正しい。精度は導入後も変わり得るので、運用中の継続的な監視と、人による点検の工程が必要になる。
- D
誤り。導入時のテストデータには、その後の環境の変化が反映されていない。古いデータで良い結果が出ても、現在の精度は確かめられない。
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。