応用情報技術者試験 令和4年秋 午前問4 解説付き過去問

この問題は、AIにおける過学習の概念を理解することを求めています。過学習は機械学習モデルが訓練データに過度に最適化され、新しいデータに対する汎化能力が低下する現象です。

1. 過学習の定義
   過学習は、モデルが訓練データに含まれるランダムなノイズや、代表性のない特徴まで学習してしまうことを指します。これにより、訓練データでは非常に高い精度を達成できますが、新しく未知のデータに対してはその性能が著しく低下します。この現象は、モデルが訓練データに「過剰適合」している状態とも言えます。
   
   
2. 過学習の影響
   過学習が発生すると、モデルは実世界での利用時にその効果を発揮できなくなります。たとえば、モデルが訓練データの特定のパターンやノイズを「正しい」情報と誤認し、それに強く依存した予測をするため、新しいデータや異なる状況での適応力が欠けることになります。実際のアプリケーションでは、多様なデータや条件下での性能が求められるため、過学習は大きな問題となります。
   
   

したがって、正解は「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」となります。この選択肢が過学習の典型的な症状を正確に表しているためです。