AI資格 模擬試験

生成AIパスポート 模擬試験 第1回 問4・第1章 AIの基礎と歴史（ニューラルネットワーク）

過学習への対策

1. A

   ドロップアウトなどの正則化や、早めに学習を止める方法を使う。

2. B

   モデルの層を増やして表現力を高め、訓練データの特徴をより細かく捉えさせる。

3. C

   学習率を大きくして、訓練データでの誤差がさらに小さくなるまで学習を続ける。

4. D

   評価用のデータも訓練データに混ぜて、モデルが評価用の問題に慣れるようにする。

正解と解説を見る

正解：A

過学習は、訓練データに合わせすぎて、汎化できない状態。データを増やす、正則化（ドロップアウトなど）、アーリーストッピングで抑える。

評価用データの誤差が増え始めたところで学習を止める(早期終了)のが対策の一つ。

状態	訓練データの精度	新しいデータの精度	主な対策
過学習	高い	低い	正則化(ドロップアウト)・早期終了・データを増やす
学習不足	低い	低い	モデルを大きくする・学習を続ける

• A

  正しい。訓練データを増やす、正則化、アーリーストッピングで、訓練データへの合わせすぎを抑える。

• B

  誤り。モデルを複雑にするほど、過学習しやすくなる。

• C

  誤り。訓練データでの誤差を下げ続けると、過学習が進みやすい。

• D

  誤り。評価用のデータを訓練に使うと、未知のデータでの性能を正しく測れなくなる。

学習のポイント：訓練時と未知データでの精度の差に注目する。

問題一覧へ

このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。