AP過去問令和7年度春期午前問3

問3(問題文)

　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。

ア　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。

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。

　この問題は、機械学習において過学習(オーバーフィッティング)が疑われる場合に、どのような対応が適切かを問うものです。

　過学習とは、モデルが訓練データに過度に適合してしまい、新しいデータ(未知のデータ)に対する予測性能が低下する現象です。これを防ぐ、または解消するには、モデルがより一般的なパターンを学べるような工夫が求められます。

アは❌間違いです。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。

→これは不適切です。訓練データをテストデータとして使用すると、モデルの性能評価が正しくできず、過学習に気付けなくなる恐れがあります。

イは✅正しいです。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。

→これは適切です。データの拡張(データオーギュメンテーション)によって訓練データを多様化させることで、モデルがより汎化しやすくなり、過学習の抑制につながります。

ウは❌間違いです。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。

→これは不適切です。モデルを複雑にすると、さらに訓練データに過度に適合する可能性が高まり、過学習が悪化する恐れがあります。

エは❌間違いです。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。

→これは不適切です。未知のデータに対応するには汎化性能を高めることが重要であり、下げるのは逆効果です。

　したがって

イ

　が答えです。