ある小売企業が、過去の販売実績を学習した需要予測モデルを導入した。導入当初は高い精度が出ていたが、その後、消費者の購買行動が大きく変化し、曜日や気温、価格などが同じような条件でも実際の売れ行きの傾向が変わったため、予測精度が徐々に低下した。この現象と対応の組み合わせとして、最も適切なものはどれか。
- 1過学習：ドロップアウトなどの正則化を追加し、導入前と同じ学習データで再学習する。
- 2データリーケージ：テストデータを学習データに加えて再学習し、評価時の精度を回復させる。
- 3勾配消失：活性化関数をReLUに変更し、導入前と同じ学習データで再学習する。
- 4コンセプトドリフト：本番環境での予測精度を継続的に監視し、変化後のデータを用いて再学習・再評価する。
正解と解説を見る
正解：4
運用中に、入力と予測対象との関係が時間とともに変化して精度が低下する現象をコンセプトドリフトといいます。モデルは学習時点のデータの傾向しか反映していないため、本番環境で精度や入力データの分布を継続的に監視し、変化を検知したら新しいデータで再学習・再評価する運用体制が必要です。過学習や勾配消失は学習段階の問題であり、導入前と同じデータで学習し直しても変化後の傾向は反映されません。AIシステムは「導入して終わり」ではなく、監視と再学習を前提に運用しましょう。