G検定（JDLA） 練習問題 21：転移学習・ファインチューニング
深層学習における転移学習（Transfer Learning）について、正しいものはどれか。
- 事前学習済みモデルの知識を別タスクに適用し、少量データで再学習して高い性能を得る手法である
- 複数のモデルの予測結果を多数決や平均で統合し、単一モデルより高精度な予測を得る手法である
- 学習中にニューロンの一部をランダムに無効化することで過学習を防ぐ正則化手法である
- 入力データを人工的に加工・変形させて学習データの量を水増しする手法である
- 教師なし学習の一種で、データをいくつかのクラスタに分割する手法である
正解と解説を見る
正解：事前学習済みモデルの知識を別タスクに適用し、少量データで再学習して高い性能を得る手法である
転移学習とは、あるタスク（例：大規模画像データセットでの分類）で学習済みのモデルが獲得した知識（特徴抽出能力など）を、別の関連タスクに転用する手法です。少ないデータや計算資源でも高精度なモデルを構築できる点が特徴です。
【正解の理由】
事前学習済みモデルの重みを初期値として利用し、新しいタスク用のデータで再学習（ファインチューニング）することで、ゼロから学習するより効率的かつ高精度にモデルを構築できるため、この説明が転移学習の定義そのものです。
【不正解の理由】
• 「複数のモデルの予測結果を多数決や平均で統合」はアンサンブル学習の説明であり、転移学習とは異なる概念
• 「ニューロンの一部をランダムに無効化」はドロップアウトという正則化手法の説明である
• 「データを人工的に加工・変形させて水増し」はデータ拡張（Data Augmentation）の説明である
• 「データをいくつかのクラスタに分割」はクラスタリングの説明であり、教師あり学習である転移学習とは異なる