ある不動産会社が、物件ごとの12項目の数値（駅からの徒歩分数、築年数、専有面積など）から月額賃料を予測するニューラルネットワークを作る。学習に使える過去の成約データは約2,000件である。入力層・隠れ層・出力層の設計に関する説明として、最も不適切なものを1つ選べ。
1つ選んでください
正解と解説を見る
解説
正解D
ポイント
入力層と出力層のユニット数はデータと課題の形で決まり、隠れ層の数とユニット数は検証用データを見ながら人が決めます。
選択肢ごとの解説
- A
適切
入力層は、1件のデータの値を受け取る層です。ユニット数は入力の次元で決まるため、12項目の数値なら12にします。間取りのようなカテゴリをワンホットベクトルで表す場合は、その分だけ増えます。
- B
適切
出力層のユニット数は、何を出力するかで決まります。回帰で1つの値を予測するなら1つです。多クラス分類なら、クラスの数だけ用意して各クラスの確率を出します。
- C
適切
隠れ層の層数やユニット数は、重みのように学習で決まる値ではなく、通常は学習の前に人が決めるハイパーパラメータです。候補を比べ、学習に使っていない検証用データの誤差で選びます。
- D
不適切 ◯ 正解
層を深くすると表現力は上がりますが、約2,000件のデータでは訓練データに合わせすぎる過学習が起きやすくなります。勾配消失などで学習自体も難しくなるため、深いほど良いとは限りません。
試験での狙われ方
入力層・隠れ層・出力層それぞれの役割や、ユニット数が何で決まるかを問う形が考えられます。隠れ層の構成がハイパーパラメータである点も押さえておきます。
関連用語
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11 ニューラルネットワークとディープラーニング） 2026年10月30日閲覧
- Goodfellow, Bengio, Courville, Deep Learning (2016) （6.4 Architecture Design） 2026年10月30日閲覧