Question#19(MLS-C01)
保険会社は自動車保険の請求処理を自動化するアプリケーションを作成しています。ML スペシャリストは Amazon SageMaker の Object Detection – TensorFlow 組み込みアルゴリズムで、車の画像からキズやヘコミを検出するモデルを学習しました。学習後、モデルは学習データでは良い性能を示した一方で、テストデータでは性能が劣ることが分かりました。
テストデータでの性能を改善するには、どのアプローチをとるべきですか？正解：D
ここで観測されているのは、学習セットでは高精度だがテストセットで劣化するという過学習（オーバーフィッティング）です。過学習の代表的な対策は正則化を強めることです。L2 正則化（重み減衰／weight decay）は、大きな重みをペナルティ化してモデルの複雑さを抑え、汎化性能を高める効果があります。そのため、本ケースでは L2 の係数を上げるのが最も妥当です。SageMaker のオブジェクト検出アルゴリズムでも、学習率やモーメンタムと並んで L2（weight decay） が正則化の主要パラメータとして提供されており、過学習時に強めるのが一般的です。
コメント