データサイエンティスト検定 リテラシーレベル データサイエンス(機械学習・AI・非構造化データ) 練習問題 第26問: 工場で撮った製品の画像から良品と不良品を見分ける分類モデルを作った。検証の結果が思わしくないため原因を調べたところ、学習データの約1割で、良品の画像に「不良品」
工場で撮った製品の画像から良品と不良品を見分ける分類モデルを作った。検証の結果が思わしくないため原因を調べたところ、学習データの約1割で、良品の画像に「不良品」、不良品の画像に「良品」と、人が付けたラベルの付け間違いが見つかった。精度を上げるために次に行うこととして、最も適切なものはどれか。
解答と解説を先に見る
先に見ると、この問題は今回は育ちません。
正解: 3. 付け間違いのあった画像を人が見直してラベルを付け直し、そのデータで学習をやり直す
ラベルの付け間違いを直して学習データの質を高めるのが先です。AI事業者ガイドライン(第1.2版、令和8年3月31日)別添は、AIモデルの質の向上のために、学習に用いるデータの質(正確性及び完全性等)に留意することが重要としています。
産業技術総合研究所『機械学習品質マネジメントガイドライン 第4版』(CC BY 4.0)も、データの妥当性の観点に、訓練用に付けた正解値の適切さ(ラベリングの適切性)を含めています。学習の繰り返し回数を増やして訓練データでの正解率を上げると、誤ったラベルまで覚え込みます。
九州大学 数理・データサイエンス教育研究センター「データサイエンス実践 4-1 パターン認識と深層学習」(CC BY)も、繰り返しすぎると過学習するとしています。画像を水増しすると、付け間違いの画像も誤った正解のまま一緒に増え、誤りの割合は変わりません。
分け方を変えて検証の正解率が最も高いモデルを選んでも、学習データの誤りは直っておらず、たまたま良く見えた分け方を選ぶことになります。教師あり学習では、正解ラベルの質がモデルの質を左右します。
関連キーワード: データの質・ラベリング・アノテーション・教師あり学習
模試 (100問)
この問題が解けたら、本試験はどうですか?本番形式で、ほかの科目もまとめて確かめる
本番形式の模擬試験で実力チェックPremium (月980円)Premium (ご利用中)本番と同じ制限時間