情報処理安全確保支援士試験 情報処理安全確保支援士試験 令和4年度秋期 午前Ⅰ 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。

正解

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。

問題の解説

過学習(overfitting)とは、訓練データの細部やノイズまで覚え込みすぎて、訓練データには高精度でも未知データへの汎化性能が落ちる現象。モデルが複雑すぎる、データが少ない等が原因で、正則化やドロップアウト、データ拡張、検証データでの早期終了などで抑える。イがこの定義そのもので正解。実務ではモデルの汎化性能こそが価値であり、訓練精度だけを追わない評価設計が重要になる。

選択肢ごとの解説

• ア学習済みモデルを別領域へ再利用する転移学習の説明で、過学習とは別概念のため誤り。
• イ訓練データに高精度・未知データに低精度という汎化失敗を述べており、過学習の定義そのもので正しい。
• ウ結果から逆向きに誤差を減らす誤差逆伝播法の説明で、過学習の説明ではないため誤り。
• エ報酬で成功を学ばせる強化学習の説明であり、過学習とは無関係なため誤り。