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。
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の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かけ離れている場合に、結果側から逆に学習させて、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。 |
答え イ
【解説】
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のは、転移学習です。(×) |
イ | 学習に使った訓練データに対しては精度の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のは、過学習です。(〇) |
ウ | 期待している結果とはかけ離れている場合に、結果側から逆に学習させて、その差を少なくするのは、反転学習(?)です。(×) |
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のは、教師あり学習です。(×) |
【キーワード】
・過剰適合(overfitting、過学習)