過学習（オーバーフィッティング）とは、AIモデルが学習に使った訓練データに過度に適合しすぎることである。その結果、訓練データに対しては高い精度を示すが、未知のデータに対しては性能が著しく低下する汎化性能の低い状態を指す。したがって、イが最も適切な説明である。
システム監査技術者令和4年度 秋期午前I問 2
令和4年度 秋期 システム監査技術者 午前I 問2
難度
標準
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。
選択肢
アある領域で学習した学習済みモデルを、別の領域に再利用することによって、効率的に学習させる。
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。
ウ期待している結果とは掛け離れている場合に、結果側から逆方向に学習させて,その差を少なくする。
エ膨大な訓練データを学習させても効果が得られない場合に、学習目標として成功と判断するための報酬を与えることによって、何が成功か分かるようにする。
解説
結論 → 詳細 → 補足 の 3 層構成
展開閉じる
解説
結論 → 詳細 → 補足 の 3 層構成
この解説は？
この解説は AI 生成です（詳細）
解説テキストは Google Gemini に IPA 公式の問題文・公式解答を入力して生成しました。 人間によるレビューを行ったものと、未レビューのものが混在します。
AI は事実誤認・選択肢の取り違え・最新法令の反映漏れ等を含む可能性があります。 重要な判断は必ず IPA 公式 PDF または最新の参考書でご確認ください。
解説の検証プロセス・誤り報告フローは 運営透明性レポートで公開しています。
分野「開発技術」の学習ポイント
この問題の理解を「分野全体の力」に広げるための足がかり
- 何が問われるか
- 本問の分野で問われる代表的な知識・用語の整理。
- 学習の進め方
- 正解／誤答の選択肢ごとに「なぜ正しい / なぜ違うのか」を1行ずつ言語化すると定着する。
AI コパイロット
この問題を AI と深掘りする
用語解説・選択肢分析・類題生成をその場で対話。クイズモードでは解答→解説がゼロ遷移。
共有
ショート動画
関連する問題
開発技術 の他の問題
- システム監査技術者2009年度 春期 午前I 問9Web ページに“パンくずリスト”や“topic path", "breadcrumbs list” などと呼ばれる情報を表示する目的はどれか。
- システム監査技術者2009年度 春期 午前I 問16新システムのモデル化を行う場合のDFD 作成の手順として、適切なものはどれか。
- システム監査技術者2009年度 春期 午前I 問17CMMIの開発モデルの目的はどれか。
- システム監査技術者2009年度 春期 午前I 問21ソフトウェア開発・保守工程において、リポジトリを構築する理由はどれか。
- システム監査技術者2009年度 春期 午前I 問25共通フレーム 2007によれば、要件定義プロセスで行うべき作業はどれか。