問題 No.1838
機械学習における「ノーフリーランチ定理」の説明として、最も適切なものはどれか。
【正解の解説】
あらゆる問題に対して万能に優れた性能を発揮する単一の最適アルゴリズムは存在しない。
料理にたとえるなら「どんな人をも必ず満足させる究極の万能料理」が存在しないのと同じです。イタリアンが万能とは限らず、和食が良い場合もあるように、解くべき問題の性質（データの特徴）に合わせてアルゴリズムを適切に選び直す必要があるため、全てのタスクで最強のモデルというものは原理的にあり得ません。
スポンサーリンク
【その他の選択肢の解説】
十分な量の学習データと計算資源さえ確保できれば、どのようなタスクでも最高精度を達成できるモデルは構築できる。
物量さえあれば全てを解決できるという万能主義の罠に陥りがちですが、ノーフリーランチ定理が示す通り、アルゴリズムの仮定がタスクの性質と噛み合わなければ、いくらデータや計算資源を増やしても性能は頭打ちになります。問題との相性が何よりも重要であるという点を見落とさないようにしましょう。
特定のデータ分布に対して高い汎化性能を示すモデルであっても、特徴量エンジニアリングを省けば未知のデータには適応できない。
前処理の重要性に関する記述ですが、ノーフリーランチ定理の本質は前処理の有無ではなく「あらゆる問題に万能なモデルはない」という数学的な限界を示したものです。実務で前処理がいかに大事かという話と、アルゴリズムの万能性についての定理とを混同しないよう注意が必要です。
複雑な非線形関係を持つデータに対しては、線形モデルよりもディープラーニングを用いたほうが常に効率的な予測が可能である。
ディープラーニング万能説の誤解を突く定番のひっかけです。データ量が少ない場合やシンプルな構造の問題においては、むしろ単純な線形モデルのほうが圧倒的に高い効率と精度を発揮します。「常に」という絶対的な言葉が含まれている時点で、どんな問題にも万能なモデルはないとするノーフリーランチ定理に矛盾すると見抜きましょう。