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も使うと、モデルが覚えたデータで評価することになります。その結果、精度は高く見えても、未知データへの汎化性能は測れません。過学習を解消できないばかりか、過学習を見逃す原因になります。評価には訓練に使っていないデータを使うべきです。

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。回転・反転・ノイズ付加などで元の訓練データを加工して量を増やす方法をデータ拡張といいます。データの多様性が増えるので、モデルが個々の訓練データの細部やノイズに過度に適合しにくくなり、未知データへの汎化性能が向上します。これは過学習の代表的な対策です。

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。モデルを複雑にしてパラメータを増やすと、訓練データのノイズまで表現できるようになり、過学習はさらに悪化します。過学習への対策は、層やパラメータを減らしてモデルを単純にする、正則化やドロップアウトを入れるなど、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のことです。過学習はこの汎化性能が低下した状態なので、対策の目的は汎化性能を上げることです。「未知のデータを予測できるように汎化性能を下げる」という記述は、目的と手段が矛盾しています。