問題 No.637
アノテーションにかかる膨大なコストを削減するため、少量の正解ラベル付きデータと、大量のラベルなしデータを組み合わせて高い精度のモデルを構築したい。ラベルなしデータに対して弱いデータ拡張と強いデータ拡張の2種類を施し、弱い拡張に対する予測結果を擬似ラベルとして、強い拡張に対する予測結果と一致するように学習を進める半教師あり学習の手法はどれか。
【正解の解説】
FixMatch
FixMatchは、データに簡単な加工と複雑な加工の2種類を施し、簡単な方の予測を正解として複雑な方を学習させる、効率的な半教師あり学習の手法です。
スポンサーリンク
【その他の選択肢の解説】
SARSA
SARSAは、AIが次にとる行動を今の状態と今の行動に基づいて決める、強化学習における基本的な手法の一つです。
LDA
LDAは、文書の中に隠れているトピック（話題）を統計的に抽出するための手法で、文章が何について書かれているかを探る際に使われます。
XGBoost
XGBoostは、たくさんの小さな決定木を組み合わせて、非常に高い精度で予測を行う勾配ブースティングの手法です。