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、訓練データに対する精度は高いのに、未知のデータに対する予測精度（汎化性能）が落ちる現象である。データ量を増やす、正則化を行う、モデルを単純化するなどが対策になる。
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 問2
- コンピュータによる伝票処理システムがある。このシステムは、伝票データをためる待ち行列をもち、M/M/1の待ち行列モデルが…2018年度 秋期 問2
- 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 問2
- 0≦x≦1の範囲で単調に増加する連続関数f(x)がf(0)<0≦f(1)を満たすときに、区間内でf(x)=0であるxの値…2025年度 春期 問1
- 式A+B×Cの逆ポーランド表記法による表現として、適切なものはどれか。2020年度 10月試験 問1
出典・参考
最終更新：2026-10-07／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。