ある農業機械メーカーが、葉の画像から作物の病害を判定するモデルを作っている。専門家がラベルを付けた画像は2,000枚、ラベルのない画像は10万枚ある。ラベルのない画像も生かすため、疑似ラベルを用いた半教師あり学習を行う。その進め方として、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 A
この問題の論点：疑似ラベルによる半教師あり学習
ポイント
疑似ラベルでは、確信度の高い予測だけをラベルとして使うことで、誤ったラベルが誤りを強める確証バイアスを抑えます。
選択肢ごとの解説
- A
適切 正解
疑似ラベルの基本的な手順です。確信度の高い予測に絞ることで、誤ったラベルが混ざる割合を抑えます。再学習したモデルで疑似ラベルを付け直し、これを繰り返すこともあります。
- B
不適切
誤った疑似ラベルで再学習すると、モデルは自分の誤りをさらに強く学び、誤りが固定されていきます（確証バイアス）。誤りが打ち消し合う保証はないため、確信度で絞るなどの工夫が必要です。
- C
不適切
疑似ラベルはモデル自身の予測なので、それを正解として評価すると性能を過大に見積もります。評価には、専門家が正しいラベルを付けた、学習に使っていないデータを使います。
- D
不適切
確信度の低い予測は誤りを含みやすく、それを正解として再学習すると誤りを強めてしまいます。確信度の低いデータを優先して選ぶのは、人がラベルを付けるデータを選ぶ能動学習の考え方です。疑似ラベルでは逆に、確信度の高い予測を選びます。
試験での狙われ方
半教師あり学習の定義に加え、ラベルのないデータをどう使うか、何に注意するかを業務の場面で問う形が考えられます。