1.3基礎
画像分類モデルの性能を測定する。
訓練に使った画像をそのまま評価に使うと、未知データへの性能を確認できない。
評価用データを分離する主な理由はどれか。
× 不正解
訓練に使っていない検証・テストデータを用いることで、未知データに対する汎化性能を測定できる。
詳細解説
正しい未知データに対する汎化性能を測るため
訓練に使っていないデータで評価することで、モデルが新しい入力へ適用できるかを確認する。
誤りモデルの推論時にネットワーク帯域を増やすため
データ分割は評価設計であり、推論時のネットワーク帯域を増やす機能ではない。
誤り正解ラベルを評価時に自動生成するため
評価データにも正解ラベルが必要であり、分割自体がラベルを生成するわけではない。
誤り訓練データの保存容量を必ず半分にするため
分割比率は目的やデータ量で決まり、保存容量を半分にすることが目的ではない。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
AWS公式AIF-C01ガイドのDomain 1.3で訓練・検証・テストの役割を確認する。
参考にした公式資料
確認できる内容
訓練データの再現ではなく、未知データへの性能を測る目的を説明できる。
理解のポイント
- 汎化性能
- データ分割
- 過学習検出
確認時の注意
- 確認環境: AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
- AWS公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
汎化
訓練で見ていないデータに対しても適切な予測をする能力。
過学習
訓練データには高精度だが、未知データでは性能が低下する状態。
問題IDAWS-AIF-026
確認環境AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告