模擬試験誤り発見

以下の記述で誤っているものはどれか?

A.機械学習パイプラインのモデル評価では、訓練データで検証した精度値をそのまま本番環境での性能と見なせる。← 正解
✓ 正解です。この記述が誤りで、訓練データでの精度は過学習(Overfitting)により本番パフォーマンスを過大評価します。必ずテストデータやホールドアウト検証セットで独立評価する必要があります。
B.交差検証(Cross-Validation)を用いることで、限定的な訓練データから安定性の高いモデル性能評価が可能になる。
✓ この記述は正しい。交差検証はデータサイズが限定されたとき特に有効である。
C.混同行列(Confusion Matrix)から計算できる精度、再現率、F1スコアはそれぞれ異なる観点からモデルの予測性能を評価する指標である。
✓ この記述は正しい。精度・再現率・F1 は異なる側面を測定する相補的指標である。
D.ビジネス要件によって、モデルの「偽陽性」と「偽陰性」のコストが異なるため、評価指標も最適化の目標も変わる場合がある。
✓ この記述は正しい。医療診断では偽陰性コストが高く、スパム検知では偽陽性コストが高いなど、業務によって最適化の重点が変わる。

この問題のポイント

この記述が誤りで、訓練データでの精度は過学習(Overfitting)により本番パフォーマンスを過大評価します。必ずテストデータやホールドアウト検証セットで独立評価する必要があります。

AI-900:Microsoft Azure AI Fundamentals の問題一覧