AWS認定資格 無料問題集解答・解説
第16問 ハイパーパラメーターの最適化手法
ある物流会社では、配送時間を予測する機械学習モデルを開発しています。モデル性能を向上させるため、学習率やバッチサイズ、正則化係数などのハイパーパラメーターを調整して、検証データに対する予測精度が最も高くなる組み合わせを体系的に探索したいと考えています。この要件を満たすために、最も適切な手法を選択してください。
（問題ID：AIF201C016）
解答
正しい解答：Ｄ. グリッドサーチ
△ 判定不能 URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。
徹底解説
ハイパーパラメーターを調整することによって、検証データに対する予測精度が最も高くなる組み合わせを体系的に探索するのに適した手法は、グリッドサーチです。グリッドサーチは、適切なパラメーターの組み合わせを求める方法論のひとつで、あらかじめ指定した値の組み合わせを網羅的に試行して、モデルの性能が最も高くなる組み合わせを探索する手法です。学習率、バッチサイズ、正則化係数など、モデルの学習そのものではなく、学習条件を調整するようなハイパーパラメーターの探索に使用されます。探索する値と範囲をあらかじめ指定できるため、どの組み合わせを評価したかを明確に把握できます。また、すべての指定した組み合わせを網羅的に試行するため、それぞれの性能を比較して最適な組み合わせを評価しやすい一方で、組み合わせが多くなると計算コストや実行時間が増加する特徴があります。
その他の選択肢は、ハイパーパラメーターのチューニング手法ではありません。クラスタリングは、教師なし学習の手法のひとつであり、ラベルのないデータを類似性に基づいてグループ化するものです。例えば、配送先や配送時間などのデータを類似性に基づいてグループ化する際に利用することができるかもしれませんが、予測モデルのハイパーパラメーター調整に使用するものではありません。また、k近傍法（k-NN：k-Nearest Neighbor Algorithm）は、未知のデータポイントの分類や回帰を、近くにあるk個の既知データを参照して推定する教師あり学習アルゴリズムです。分類では多数決、回帰では平均値を用いて結果を決定します。複雑なモデルを事前に構築しないで、予測時に訓練データとの距離を計算して判断する非パラメトリックな手法となっています。バックプロパゲーション（誤差逆伝播法）は、ニューラルネットワークの重みを更新するために、誤差を逆方向に（出力層から入力層へ向かって）伝播させる学習アルゴリズムです。これは、モデルの学習に用いられるものです。
Step Up！
ハイパーパラメーターのチューニングには、グリッドサーチの他、ランダムサーチやベイズ最適化などの手法があります。ランダムサーチは指定した範囲からランダムに組み合わせを選択して探索するものであり、ベイズ最適化は過去の探索結果をもとに、より良い結果が期待できる組み合わせを効率的に探索します。
問題掲載日：2026-08-29
Information
What's New
- 2026/8/29 問題ID: AIF201C016 ハイパーパラメーターの最適化手法に関する問題を追加しました。
- 2026/8/23 問題ID: AIF202C013 学習アシスタントにおける質問応答の評価指標に関する問題を加筆・修正しました。
- 2026/8/10 問題ID: AIF204C011 AIシステムにおける堅牢性の強化手法に関する問題を追加しました。
- 2026/8/1 問題ID: AIF203C023 プロンプトエンジニアリングのリスクに関する問題を追加しました。
- 2026/7/19 問題ID: AIF301S006 ビジネスアプリケーションにおける生成AI活用のメリットに関する問題を追加しました。
Reference Books
AWS認定 資格試験テキスト AWS認定AIプラクティショナー
AWS認定 AIプラクティショナー試験（AIF-C01）の“緑本”とも呼ばれる定番テキストです。AIや機械学習、生成AIなどの基礎知識を幅広く網羅しており、図解も豊富で初心者にもわかりやすい構成です。練習問題も充実しており、試験対策として安心して使える一冊です。さらに、当サイトの問題演習と組み合わせることで、効率的に知識を定着させることができます。AWS認定 AIプラクティショナー 合格対策テキスト＋問題集
図解も豊富でとても理解しやすく、試験の対策に必要な知識を効率よく学べる一冊です。AIの歴史経緯も説明されているところも面白い。テキストと問題集がセットになっており、基礎から実践まで無理なく進められます。ページ数も控えめで読みやすく、クラウドやAIの初心者でも安心して取り組める内容です。
解答・解説
第16問 ハイパーパラメーターの最適化手法
ある物流会社では、配送時間を予測する機械学習モデルを開発しています。モデル性能を向上させるため、学習率やバッチサイズ、正則化係数などのハイパーパラメーターを調整して、検証データに対する予測精度が最も高くなる組み合わせを体系的に探索したいと考えています。この要件を満たすために、最も適切な手法を選択してください。
（問題ID：AIF201C016）
解答
正しい解答：Ｄ. グリッドサーチ
URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。
徹底解説
ハイパーパラメーターを調整することによって、検証データに対する予測精度が最も高くなる組み合わせを体系的に探索するのに適した手法は、グリッドサーチです。グリッドサーチは、適切なパラメーターの組み合わせを求める方法論のひとつで、あらかじめ指定した値の組み合わせを網羅的に試行して、モデルの性能が最も高くなる組み合わせを探索する手法です。学習率、バッチサイズ、正則化係数など、モデルの学習そのものではなく、学習条件を調整するようなハイパーパラメーターの探索に使用されます。探索する値と範囲をあらかじめ指定できるため、どの組み合わせを評価したかを明確に把握できます。また、すべての指定した組み合わせを網羅的に試行するため、それぞれの性能を比較して最適な組み合わせを評価しやすい一方で、組み合わせが多くなると計算コストや実行時間が増加する特徴があります。
その他の選択肢は、ハイパーパラメーターのチューニング手法ではありません。クラスタリングは、教師なし学習の手法のひとつであり、ラベルのないデータを類似性に基づいてグループ化するものです。例えば、配送先や配送時間などのデータを類似性に基づいてグループ化する際に利用することができるかもしれませんが、予測モデルのハイパーパラメーター調整に使用するものではありません。また、k近傍法（k-NN：k-Nearest Neighbor Algorithm）は、未知のデータポイントの分類や回帰を、近くにあるk個の既知データを参照して推定する教師あり学習アルゴリズムです。分類では多数決、回帰では平均値を用いて結果を決定します。複雑なモデルを事前に構築しないで、予測時に訓練データとの距離を計算して判断する非パラメトリックな手法となっています。バックプロパゲーション（誤差逆伝播法）は、ニューラルネットワークの重みを更新するために、誤差を逆方向に（出力層から入力層へ向かって）伝播させる学習アルゴリズムです。これは、モデルの学習に用いられるものです。
Step Up！
ハイパーパラメーターのチューニングには、グリッドサーチの他、ランダムサーチやベイズ最適化などの手法があります。ランダムサーチは指定した範囲からランダムに組み合わせを選択して探索するものであり、ベイズ最適化は過去の探索結果をもとに、より良い結果が期待できる組み合わせを効率的に探索します。
問題掲載日：2026-08-29
Information
What's New
- 2026/8/29 問題ID: AIF201C016 ハイパーパラメーターの最適化手法に関する問題を追加しました。
- 2026/8/23 問題ID: AIF202C013 学習アシスタントにおける質問応答の評価指標に関する問題を加筆・修正しました。
- 2026/8/10 問題ID: AIF204C011 AIシステムにおける堅牢性の強化手法に関する問題を追加しました。
- 2026/8/1 問題ID: AIF203C023 プロンプトエンジニアリングのリスクに関する問題を追加しました。
- 2026/7/19 問題ID: AIF301S006 ビジネスアプリケーションにおける生成AI活用のメリットに関する問題を追加しました。
Reference Books
AWS認定 資格試験テキスト AWS認定AIプラクティショナー
AWS認定 AIプラクティショナー試験（AIF-C01）の“緑本”とも呼ばれる定番テキストです。AIや機械学習、生成AIなどの基礎知識を幅広く網羅しており、図解も豊富で初心者にもわかりやすい構成です。練習問題も充実しており、試験対策として安心して使える一冊です。さらに、当サイトの問題演習と組み合わせることで、効率的に知識を定着させることができます。
AWS認定 AIプラクティショナー 合格対策テキスト＋問題集
図解も豊富でとても理解しやすく、試験の対策に必要な知識を効率よく学べる一冊です。AIの歴史経緯も説明されているところも面白い。テキストと問題集がセットになっており、基礎から実践まで無理なく進められます。ページ数も控えめで読みやすく、クラウドやAIの初心者でも安心して取り組める内容です。