ある製造業者が、工場Aの第1ラインで昼間に撮影した製品画像だけを使って外観検査モデルを開発した。同じ条件で撮影した検証データでは高い精度が得られたが、照明条件や製品の種類が異なる他のラインに展開したところ、精度が大きく低下した。今後のデータ収集における対応として、最も適切なものはどれか。
- 1学習の反復回数（エポック数）を増やし、第1ラインのデータへの適合度をさらに高める。
- 2展開先のラインや時間帯、照明条件、製品の種類など、実際の利用環境を網羅するようにデータを収集する。
- 3第1ラインで昼間に撮影する画像の枚数を増やし、データ量を確保する。
- 4精度が下がったラインの画像は外れ値とみなし、評価対象から除外する。
正解と解説を見る
正解：2
学習データが特定の条件に偏っていると、同じ条件の検証データでは高精度でも、条件の異なる本番環境ではうまく機能しません。データ収集では、モデルを実際に使う環境の多様な条件を網羅し、母集団を代表するデータを集めることが重要です。同じ条件のデータを増やしたり学習を長く続けたりしても偏りは解消されず、特定条件への過剰な適合が進むおそれがあります。データは「量」だけでなく、利用環境に対する「網羅性・代表性」を確保しましょう。