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。
訓練した時と同じ精度を出すために,訓練データをテストデータとして使用する。
精度を高めるために,元の訓練データに加工を施し,訓練データの量を増やす。
予測した結果に近づけるために,モデルをより複雑にする。
より多くの未知のデータに対して予測できるように,汎化性能を下げる。
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。
本文が同じ・似ている問題を表示しています