G検定｜学習例が少ないクラスへ重みを付けて誤りを強く扱いたい

ANSWER & EXPLANATION

正解：D

クラスごとの損失への重みを変える方法です。データの偏りと分割の影響を見ます。

選択肢のポイント

• Aデータ辞書は項目の意味や形式を記した資料です。この設問で求めるものとは異なります。
• Bラベル品質の点検は正解ラベルの誤りや揺れを調べる作業です。この設問で求めるものとは異なります。
• Cアンダーサンプリングは多数クラスの学習例を減らす方法です。この設問で求めるものとは異なります。
• D正解です。クラスごとの損失への重みを変える方法です。

関連キーワード

• クラス重み付け
• 機械学習のデータ設計

参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月28日