RandAugumentとは
RandAugmentとは、あらかじめ用意された複数のデータ拡張操作からランダムに選んで適用し、調整すべきハイパーパラメータを2つに単純化した手法です。調整の手間を大きく減らしつつ、高い性能を実現できます。
※ シラバスの表記は「RandAugument」ですが、提案論文などでの名称は「RandAugment」です。
この用語はG検定シラバスの「25. データ拡張」に含まれます。
章全体の用語は用語解説④（全60語）にまとまっています。
一言でいうと
用意された拡張からランダムに選んで適用し、調整項目を2つに絞った手法です。
複数の変換をランダムに組み合わせた例
何が問題だったのか
データ拡張にはRotate・Crop・Brightnessなど多くの手法があります。
「どれを、どの強さで、どう組み合わせるか」は膨大な組み合わせになり、グリッドサーチで探すのは現実的ではありませんでした。
調整するのは2つだけ
RandAugmentは、この探索を大幅に単純化しました。決めるのは基本的に次の2つだけです。
- いくつ適用するか（手法の個数）
- どのくらいの強さか（変換の大きさ）
どの手法を使うかは毎回ランダムに選ばれます。AutoAugmentのような複雑なポリシー探索を行わず、N（適用する変換数）とM（強度）という2つのハイパーパラメータに簡略化したことで、調整が現実的な手間で済むようになりました。
自動化の流れ
データ拡張の設計を自動化する試みには段階があります。
- AutoAugment：探索によって最適な組み合わせを見つける（探索コストが非常に高い）
- RandAugment：探索をやめてランダム化し、調整項目を2つに減らした
「凝った探索より単純化のほうが実用的だった」という流れは、機械学習でしばしば見られる展開です。
🎯 G検定での押さえどころ
- 用意された拡張からランダムに選んで適用する
- 調整するのはN（変換数）とM（強度）の2つ
- ハイパーパラメータ調整の手間を削減
⚠️ よくある誤りの選択肢
- 「RandAugmentでは適用する拡張手法を人が1つずつ指定する」→ 誤り。ランダムに選ばれます
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「データ集合の拡張」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。