問題 No.1225
画像認識モデルの学習において、手元にある限られた訓練用の画像データに対して、ランダムに回転、反転、拡大縮小、色調補正などの変換を加えることで、データを擬似的に大量に水増しし、過学習を防ぐ手法を何というか。
【正解の解説】
データオーグメンテーション
データオーグメンテーション（Data Augmentation / データ拡張）は、元となる画像に対して反転、回転、歪み、トリミング、ノイズ付加などをランダムに適用し、擬似的に学習データのバリエーションを水増しする技術です。モデルが特定の画像の向きや配色に固執する過学習を防ぎます。
スポンサーリンク
【その他の選択肢の解説】
アンサンブル学習
アンサンブル学習（Ensemble Learning）は、バギングやブースティングのように複数の独立した学習モデルを構築し、それらの予測結果を多数決や平均で統合する手法です。データそのものを変換して枚数を増やす前処理手法ではありません。
転移学習
転移学習（Transfer Learning）は、ImageNetなどの大規模データで学習済みのモデル（パラメータ）を出発点として使い、別の少量のデータセットに対してファインチューニング等を行う手法です。画像自体を回転・変形させて増やす技術ではありません。
特徴量抽出
特徴量抽出（Feature Extraction）は、生の画像データからエッジ、色、テクスチャ、あるいはディープラーニングの潜在ベクトルなどの有用な情報を計算して抜き出す処理です。データのバリエーションを人工的に増強する作業とは異なります。