令和4年秋期試験問題 午前Ⅰ 問2
問2解説へ
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。
- 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。
- 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。
- 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。
- 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 イ問題へ
分野：テクノロジ系
中分類：基礎理論
小分類：情報に関する理論
中分類：基礎理論
小分類：情報に関する理論
広告
解説
過学習(オーバーフィッティング)は、機械学習のモデルが訓練データに過剰に適合してしまった状態を指します。モデルが過学習に陥ると、訓練データに対しては良い精度を示しますが、未知のデータに対する予測精度が低下し、汎用性がないシステムとなってしまいます。過学習は、訓練データが少ない場合やモデルの複雑度が高い場合に特に起きやすくなります。
したがって「イ」の説明が適切です。
したがって「イ」の説明が適切です。
- 転移学習の説明です。
- 正しい。過学習の説明です。
- 誤差逆伝播法(バックプロパゲーション)の説明です。
- 強化学習の説明です。
広告