問題 No.4462
データサイエンスにおける一般的な分析のサイクルに関する記述として、最も不適切なものはどれか。
【正解の解説】
分析モデルの構築と検証が完了した後は、現場への導入や継続的なモニタリングを行わず、サイエンスのプロセスを完全に終了する。
データサイエンスの分析は一度きりのイベントではなく、美味しい料理を作ったあとに味見をして改良し続ける「レストランのレシピ改善」のようなものです。現場に導入して実際に動かし、成果が出ているか監視して次の改善につなげるサイクルこそが最も重要であるため、ここで終了してしまうのは大間違いです。
スポンサーリンク
【その他の選択肢の解説】
課題の設定や仮説の構築を行った後は、実際のデータ収集や前処理の工程を省略して直ちにモデルの評価へ移行する。
料理に例えるならば、献立を決めたあとに食材の買い出しや下ごしらえを一切せずにいきなり調理の最終評価をするようなものです。ゴミや不完全なデータが混ざったままではまともな分析モデルが作れないため、データの前処理は絶対に省略できない重要なステップです。
データ収集と前処理の段階では、欠損値の処理や外れ値の除外を入念に行い、分析に適したクレンジング状態を整える。
集めたデータには記入漏れやあり得ない数値が混ざっているため、これらを綺麗にする作業は分析の精度を左右します。汚れたままのキャンバスには良い絵が描けないのと同様に、前処理でデータを丁寧にクレンジングすることは分析の成否を分ける極めて重要なプロセスです。
分析モデルの構築と検証の段階では、過剰適合を防ぐために訓練データと検証用データを適切に分割して評価を行う。
試験勉強のときに過去問を丸暗記した生徒が、本番の初見の問題で全く解けなくなってしまう現象を過剰適合と呼びます。これを防ぐために、勉強用の訓練データと実力を試す検証用データを分けてテストを行うのは、確実な実力を測るためのデータサイエンスの定石です。