応用情報技術者試験 令和7年春 午前問3 解説付き過去問

この問題は、機械学習の過程で過学習が発生した際の対処法について尋ねています。過学習は、モデルが訓練データに対して過度に最適化され、新しいデータに対する汎化能力が低下した状態を指します。

1. 過学習の概念
   過学習は、機械学習モデルが訓練データに含まれるランダムな誤差や無関係な詳細まで学習してしまう現象です。このため、訓練データでは高い性能を示すものの、新しいデータに対してはその性能が著しく低下します。
   
   
2. 訓練データの加工と増量
   訓練データを加工し、量を増やすことは過学習を緩和する有効な手段です。データの多様性を増すことで、モデルがより汎用的な特徴を学習しやすくなり、新しいデータに対しても安定した予測が可能になります。例えば、画像データであれば、回転や反転、色調の変更などを行うことが挙げられます。
   
   
3. 他の選択肢の誤り
   「訓練データをテストデータとして使用する」という方法は過学習の問題を解決するどころか、さらに過学習を助長します。モデルをより複雑にするという選択肢も、過学習をさらに悪化させる可能性が高いです。また、「汎化性能を下げる」という選択肢は、一般的な機械学習の目標に反しています。
   
   

以上の理由から、「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」という選択肢が過学習を解消する最も適切な方法です。この方法により、モデルは新しいデータに対しても良い性能を発揮するようになります。