AIにおける過学習の説明として、最も適切なものはどれか。
選択肢
- アある領域で学習した学習済みモデルを、別の領域に再利用することによって、効率的に学習させる。
- イ学習に使った訓練データに対しては精度が高い結果となる一方で、未知のデータに対しては精度が下がる。
- ウ期待している結果とは掛け離れている場合に、結果側から逆方向に学習させて、その差を少なくする。
- エ膨大な訓練データを学習させても効果が得られない場合に、学習目標として成功と判断するための報酬を与えることによって、何が成功か分かるようにする。
正解と解説
正解：イ 学習に使った訓練データに対しては精度が高い結果となる一方で、未知のデータに対しては精度が下がる。
過学習（オーバーフィッティング）は、モデルが訓練データの細部やノイズまで覚え込んでしまい、訓練データでの精度は高いのに未知データでの汎化性能が落ちる現象です。正則化やドロップアウト、訓練データの増強などで抑えます。
選択肢ごとの解説
この問題に出た用語
同じ分野の他の問題
- AIにおける機械学習において、2クラス分類モデルの評価方法の一つであるROC曲線で用いられる偽陽性率の説明として、最も適…2025年度 秋期 午前 問3
- クラウドで学習し，エッジデバイスで推論する機械学習ベースのエッジAIにおいて，エッジデバイスで行われる推論処理として，適…2025年度 春期 午前 問71
- AIにおける機械学習の過程において，過学習と疑われたときの解消方法として，最も適切なものはどれか。2025年度 春期 午前 問3
- 生成AIのビジネス活用において、独自のデータを学習させることにより基盤モデルを自社の業務やサービスに特化したモデルへとカ…2024年度 秋期 午前 問71
- AIにおける教師あり学習での交差検証に関する記述はどれか。2024年度 秋期 午前 問2
出典・参考
最終更新：2026-10-06／解説・選択肢ごとの解説は資格暗記が独自に作成しています。問題文と選択肢の出典は上記のとおりです。