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

• ア既存モデルを別ドメインに再利用する転移学習の説明。
• イ正しい。訓練データに適合しすぎて未知データへの精度が落ちる状態。
• ウ出力側の誤差を逆向きに伝えて重みを更新する誤差逆伝播法の説明。
• エ報酬を手掛かりに方策を学ぶ強化学習の説明。

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