令和4年度 高度共通 午前I（PM試験） 問2
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。
- 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。
解答・解説を見る
正解：イ
AI解説
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の細かな特徴やノイズまで学習しすぎた結果、訓練データへの精度は高いのに未知のデータへの汎化性能が低下する現象である。「訓練データでは高精度、未知データでは低精度」という記述が判断基準であり、イが正しい。 ア: ある領域の学習済みモデルを別領域に再利用するのは転移学習の説明である。 イ: 正しい。訓練データに過度に適合し、汎化性能(未知データへの精度)が落ちるのが過学習である。 ウ: 出力側の誤差を逆方向に伝えて重みを修正するのは誤差逆伝播法(バックプロパゲーション)の説明である。 エ: 報酬を与えて何が成功かを学習させるのは強化学習の説明である。 💡 AI用語は「過学習=訓練○・未知×」「転移学習=再利用」「強化学習=報酬」「バックプロパゲーション=誤差を逆伝播」とキーワードで対応付けて覚える。
出典：令和4年度 秋期 プロジェクトマネージャ試験 午前I 問2 ／ 独立行政法人情報処理推進機構（IPA）
※Web掲載用に表記を一部変更しています。著作権はIPAに帰属します。
※Web掲載用に表記を一部変更しています。著作権はIPAに帰属します。