ある動画配信サービスが、視聴ログが1件届くたびに、そのデータでおすすめ動画の予測モデルの重みを更新するオンライン学習を導入しようとしている。この運用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B
ポイント
オンライン学習では、学習率が新しい傾向への追従の速さと安定性を左右します。小さいほど安定しますが、変化への追従は遅くなります。
選択肢ごとの解説
- A
適切
オンライン学習では、届いたデータがすぐ次の予測に影響します。誤ったデータや悪意のあるデータ（データポイズニング）の影響も早く表れるため、性能の監視や異常なデータの除外が欠かせません。
- B
不適切 ◯ 正解
学習率が小さいと1回の更新幅が小さく、新しい傾向を取り込むのに多くのデータが要るため、追従は遅くなります。大きくすると追従は速くなる反面、ノイズに振り回されやすく、過去に学んだ傾向も失われやすくなります。
- C
適切
オンライン学習は1件ずつ勾配を求めて更新するため、過去の全データを毎回読み込む必要がありません。データが絶えず増え続け、全件を一度に扱えない場面に向いています。
- D
適切
データの傾向が時間とともに変わる現象をコンセプトドリフトといいます。オンライン学習は更新を続けることでこの変化に合わせやすく、全データで作り直すバッチ学習の再学習より素早く対応できます。
試験での狙われ方
データが次々に届く業務の場面を示し、オンライン学習の利点と注意点、学習率の役割を判断させる形が考えられます。
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16 最適化手法） 2026年10月31日閲覧
- Gama et al., A Survey on Concept Drift Adaptation (ACM Computing Surveys, 2014) 2026年10月31日閲覧