問題
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。
選択肢
- 1訓練したとき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。
- 2精度を高めるために、元の訓練データに加工は加えず、訓練データの量を増やす。
- 3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。
- 4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
2. 精度を高めるために、元の訓練データに加工は加えず、訓練データの量を増やす。
詳しい解説を見る解説を閉じる
解説
過学習（オーバーフィッティング）は、モデルが訓練データに過剰に適合し、未知のデータに対する汎化性能が低下した状態をいう。解消にはデータ量を増やす、モデルを単純化する（正則化など）、汎化性能を高めるといった方法が有効である。イの「訓練データの量を増やす」は過学習の代表的な対策で適切。アはテストデータでの汎化評価ができなくなり不適切、ウはモデルを複雑にすると過学習が悪化、エは汎化性能を下げると未知データへの予測が悪化するため誤り。したがってイが正解。（出典: 令和7年度 春期 応用情報技術者試験 午前 問3）
一問一答
全400問を繰り返し学習