令和7年度 春期 高度試験共通 午前I 問2

各選択肢の解説

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。

誤りです。訓練データをテストデータに使うと、モデルが既に覚えたデータで評価することになり、見かけの精度が高く出るだけです。過学習は未知データに対する精度の低下なので、この方法では過学習を見逃します。解消にもなりません。テストデータは訓練に使わないデータを分けて用意します。

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。

正しいです。過学習は、モデルが限られた訓練データの細部やノイズまで覚え込み、未知データへの汎化性能が落ちる状態です。回転・反転・ノイズ付加などのデータ拡張(データオーグメンテーション)で訓練データを加工して増やすと、多様なパターンを学習でき、特定データへの過剰適合が抑えられます。

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。

誤りです。モデルを複雑にする(層やパラメータを増やす)と表現力が上がり、訓練データへの適合がさらに強まるため、過学習は悪化します。過学習の対策は逆に、モデルの単純化、正則化、ドロップアウト、早期終了などで複雑さを抑える方向です。

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。

誤りです。汎化性能とは未知のデータに対して正しく予測できる能力であり、過学習はこの汎化性能が低下した状態です。未知データへの予測を良くしたいなら汎化性能は上げる必要があり、「下げる」は目的と手段が逆になっています。