問題プレビューID: f3b1c5ed応用情報技術者試験 2025年(令和7年度)春期 午前

問 3
応用情報技術者試験 2025年(令和7年度)春期 午前

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。

解説

正解は「イ」です。

過学習(オーバーフィッティング)とは,モデルが訓練データに過度に適合してしまい,訓練データに対しては高い精度を示す一方で,未知のデータに対する予測精度(汎化性能)が低下する現象です。訓練データが少ない場合やモデルが複雑な場合に起こりやすくなります。解消方法としては,訓練データを増やす(データ拡張),モデルを単純化する,正則化を加える,などがあります。

  • ア: 訓練データをテストデータとして流用すると高い精度が出るのは当然であり,過学習の解消にはなりません。テストには訓練に使っていない未知のデータを用いる必要があります。
  • イ: 正しい。元の訓練データを変換・加工してデータ量を水増しするデータ拡張を行うと,モデルが多様なパターンを学習できるようになり,過学習が抑制されます。
  • ウ: モデルをより複雑にすると訓練データへの適合が進み,過学習を悪化させる方向に作用します。
  • エ: 汎化性能を下げることは,未知のデータに対応できなくなる状態を作ることであり,過学習を助長します。

関連問題

本文が同じ・似ている問題を表示しています