データ拡張の基本理解

問題

データ拡張（Data Augmentation）について、以下の記述のうち誤りを1つ選べ。

データ拡張（Data Augmentation）は、手元にある学習データに様々な加工（水増し）を施すことで、人工的にデータのバリエーションを増やす技術です。

ディープラーニングは大量のデータを必要としますが、データが少ないと「訓練データだけを丸暗記してしまう過学習（オーバーフィッティング）」に陥りやすくなります。

データ拡張によって「未知のデータに対しても正しく予測できる能力（汎化性能）」をモデルに獲得させることができます。

1. データ拡張は学習データを人工的に増やすことで、過学習を防ぐ効果がある。

正しい：データに少しずつ変化を加えることでモデルが特定のパターンに依存しすぎるのを防ぎ、過学習を抑制する強力な効果があります。

2. データ拡張は画像だけでなく、音声やテキストにも応用できる。

正しい：画像（回転、反転、色調変更など）だけでなく、音声（ピッチ変更、ノイズ追加）やテキスト（同義語への置換、逆翻訳）など、あらゆるモダリティで活用されます。

3. データ拡張は学習データの枚数を増やすが、モデルの汎化性能には影響しない。

誤り：データ拡張を行う最大の目的は、モデルが未学習のデータに対しても柔軟に対応できるようにする「汎化性能の向上」です。

4. データ拡張は環境変化（明るさ・位置・角度など）に強いモデルを作るのに役立つ。

正しい：画像の一部分を切り取ったり明るさを変えたりすることで、「対象物が端に寄っている」「逆光で暗い」といった現実世界の様々な環境変化（ノイズ）に強い（ロバストな）モデルを作ることができます。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ