AI における機械学習の過程において，過学習と疑われたときの解消方法として，最も適切なものはどれか。

テクノロジ系

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。

なぜ違う: 訓練データで評価すると過学習を見逃すため不適切。

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。
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。

なぜ違う: モデルの複雑化は過学習を悪化させる。

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。

なぜ違う: 汎化性能を下げるのは目的と逆である。

正解: イ

要点: 過学習の解消には訓練データを増やす（データ拡張など）のが有効。

過学習は訓練データに過度に適合した状態。元の訓練データに加工を施してデータ量を増やす（データ拡張）と汎化性能の改善が期待できる。訓練データをテストに使う、モデルを複雑にする、汎化性能を下げるのはいずれも逆効果。

この問題に出てくる用語

関連キーワード: 機械学習・過学習・データ拡張

同じ回の前後の問題

テクノロジ系の他の問題

アプリで弱点分析つきの演習ができます

App Store

応用情報技術者の学習アプリ（応用情報トレ）

出典：令和7年度 春期 応用情報技術者試験 午前 問3