基本情報技術者試験 ap-2025r07h-a 午前 問3: 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。

問題本文

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。

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

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。

解説

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かな特徴まで覚え込みすぎて柔軟性を失い、訓練データには高精度だが未知データには精度が落ちる現象です。これを解消するには、モデルが特定データに過剰適合しないようにする必要があります。正解イのように元の訓練データを加工（回転・反転・ノイズ付与などのデータ拡張）して量を増やすと、データの多様性が高まり、特定パターンの丸暗記を防いで汎化性能が向上するため、過学習の解消に有効です。

選択肢ごとの解説

• ア.訓練データをそのままテストデータに使うと、覚え込んだデータで評価することになり、未知データへの汎化性能を全く測れません。過学習の確認も解消もできず誤りです。
• イ.訓練データに加工を施して量を増やす（データ拡張）と、データの多様性が増し、モデルが個々のデータに過剰適合しにくくなって汎化性能が高まるため、過学習の解消方法として適切です。
• ウ.モデルをより複雑にすると訓練データへの適合度はさらに上がりますが、その分未知データへの過剰適合が強まり過学習を悪化させるため誤りです。
• エ.汎化性能とは未知データに対する予測能力そのものであり、これを下げると未知データの精度が落ちて過学習はむしろ深刻になります。解消するには汎化性能を上げるべきなので誤りです。