問題 No.1948
機械学習におけるオンライン学習に関する記述として、最も不適切なものを1つ選べ。
【正解の解説】
モデルの学習において過去の全訓練データを毎回メモリに読み込み、一括してパラメータを更新する手法である。
バッチ学習が「過去の全教科書を机に広げて一気に勉強し直す期末テスト型」だとすれば、オンライン学習は「先生から新しい問題が出されるたびにその場でノートを1行ずつ書き換えていく授業型」です。選択肢Aの内容は一括処理を行うバッチ学習そのものであり、逐次処理を行うオンライン学習とは真逆の特徴を述べているため不適切となります。
スポンサーリンク
【その他の選択肢の解説】
データが逐次的に到着するたびにモデルを微小に更新するため、概念ドリフトへの適応力に優れている。
これはオンライン学習の最大のメリットである「概念ドリフト（時代の変化に伴うデータの傾向の変化）」への強さを正しく述べています。バッチ学習だと過去の膨大なデータをすべて再学習させなければ追いつきませんが、オンライン学習なら流れてくる最新データに即座に順応できるため、流行が激しく変わるトレンド分析などで非常に重宝される仕組みとなっています。
限られたメモリ領域でも効率的に処理できるため、大規模なデータストリームのリアルタイム処理に適している。
巨大な倉庫（全データ）を丸ごと抱えるのではなく、ベルトコンベアで流れてくる荷物（新着データ）をその場で処理してすぐに流していくイメージです。手元には常に直近のデータやモデルの重みだけを置いておけばよいため、メモリ容量が限られたスマートフォンやIoT機器などのエッジデバイスでも高度な機械学習を動かすことができる実用的なアプローチです。
過去の全訓練データを保存しておく必要がないため、ストレージ容量を大幅に削減できる利点がある。
家計簿をつける際、毎日使った金額だけを計算して古いレシートをすぐに処分していくようなものです。過去の全データを保存して毎回読み込み直す必要がないため、データ保管コストを極限まで抑えることができます。この「その都度学習して古いデータは忘れていく」という特性が、メモリやストレージの制約が厳しい現場でオンライン学習が選ばれる大きな理由となっています。