機械学習の評価と誤り訂正

要点と定義

現行細目：機械学習

教師なし学習のクラスタリングは、正解ラベルを使わず、データ間の類似度などを手掛かりに、似たデータを同じグループにまとめる手法です。既知のラベルから新しいデータの区分を判断する分類とは、ラベルの有無と目的が異なります。

過学習とは、モデルが訓練データに過度に適合し、訓練時の精度に比べて未知データでの精度が下がる状態です。訓練データへの適合度と、未知データへの汎化性能は別々に捉えます。

交差検証は、データを複数のグループに分け、評価に使うグループを順に入れ替えて学習と評価を繰り返す方法です。各回で学習用と評価用のデータを分けることで、モデルの汎化性能を評価します。

再現率は、実際に対象であるデータのうち、正しく対象として検出できた割合です。計算は「正しく検出した件数 ÷ 実際の対象件数」です。対象を見逃さないことを重視する場面で、候補の比較に使えます。

現行細目：通信路符号化

通信路符号化では、伝送時の誤りを検出・訂正するために、データに検査用の冗長な情報を加えます。検査結果は方式ごとに定められた対応付けで読み、誤りの位置を判断します。検出できることと訂正できることは同じではなく、訂正能力は方式や前提条件に従います。

過去の出題で扱った補足：誤り訂正と多数決回路

行と列にパリティを付ける方式では、単一ビットの誤りなら、パリティ異常のある行と列の交点を誤り位置として特定し、訂正できます。複数ビットの誤りでは位置を一意に特定できない場合があり、単一誤りの訂正能力を複数誤りにも保証できるとは限りません。

過去の出題で扱った補足として、三入力の多数決回路は、三つの入力のうち二つ以上が成立なら出力を成立とします。これは回路の出力条件を判断する知識で、機械学習の評価指標とは別の概念です。

適用条件と例

現行細目に沿った例：再現率と誤報上限

実際の対象が20件ある検査で、誤報を8件以下に抑える条件を考えます。案Aは18件を正しく検出しますが、誤報が9件なので条件外です。案Bは16件を正しく検出し、誤報は5件です。案Cは13件を正しく検出し、誤報は2件です。再現率は正しく検出した件数を20件で割るため、案Bは16÷20＝80％、案Cは13÷20＝65％です。誤報上限を満たす案の中では、再現率の高い案Bを選びます。再現率だけを見て条件違反の案Aを選ばないことがポイントです。

過去の出題で扱った補足：検査結果の読み取り

パリティ検査やハミング符号では、検査結果の組合せをその方式の規則に対応付けて、誤り位置を読み取ります。位置が分かった後は、その位置を訂正し、訂正後の値が検査条件を満たすか確認します。この読み取りが誤り位置の判断に必要ですが、訂正の保証範囲は別途確認します。