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

• ア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。
• イ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。
• ウ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。
• エ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。

正解と解説

正解：イ 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。

過学習は、モデルが訓練データの細部やノイズまで覚え込み、未知データへの汎化性能が落ちた状態である。対策は訓練データを増やす（データ拡張を含む）、モデルを単純にする、正則化を加えるなどで汎化性能を上げる方向に働かせること。既存データに変換を加えて量を水増しするデータ拡張は、この代表的な手法である。

選択肢ごとの解説

• ア訓練データをそのまま評価に使うと過学習を検出できなくなり、対策にならない。
• イ正解。データ拡張で訓練データを増やすのは過学習の典型的な緩和策。
• ウモデルを複雑にすると表現力が上がり、過学習はかえって悪化する。
• エ汎化性能は上げるべきもので、下げれば未知データの精度は落ちる。

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
• 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
• AIにおけるディープラーニングに関する記述として、最も適切なものはどれか。2019年度 春期 午前 問3