ある電力会社は、数百万世帯のスマートメーターから30分ごとに届く電力使用量のデータに、気象データや、コールセンターの通話内容を書き起こした文章を組み合わせ、地域ごとの電力需要を予測する機械学習モデルを作ろうとしている。このデータの扱いに関する説明として、最も不適切なものを1つ選べ。
正解と解説を見る
解説
正解 D
この問題の論点：ビッグデータの特徴と品質
ポイント
ビッグデータは量・種類・発生の速さに特徴がありますが、件数が多くても誤った値を点検する前処理は省けません。
選択肢ごとの解説
- A
適切
総務省の情報通信白書（平成25年版）は、ビッグデータに共通する特徴として多量性・多種性・リアルタイム性を挙げています。次々に届くメーターのデータは、量に加えて発生の速さの点でもこれに当たります。
- B
適切
文章、音声、映像、センサーの記録などは非構造化データと呼ばれ、白書もビッグデータに含めています。文章から語の出現頻度などの特徴を取り出せば、数値のデータと組み合わせて学習に使えます。
- C
適切
データが少ないと、複雑なモデルは学習データの偶然の特徴まで覚えてしまいます。データが十分に多ければその影響が薄まり、複雑なモデルの表現力を生かせます。大量のデータが、機械学習の実用化を支えました。
- D
不適切 正解
件数が多くても、誤った値の影響が自然に消えるとは限りません。同じ型のメーターがそろって0を送り続けるような偏った誤りは、平均しても残ります。欠測や異常な値の点検と前処理は、データが多くても欠かせません。
試験での狙われ方
ビッグデータの特徴（量・多様性・速さ）と、データ量が機械学習の普及を支えた理由をあわせて問う形が考えられます。
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目5 機械学習）
- 総務省「平成25年版 情報通信白書」 （第1部 第1章 第3節 1（1）ビッグデータの概念）