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)
- 過剰適合
統計学や機械学習において、訓練データに対して学習されているが、未知データに対しては適合できていない、汎化できていない状態のことです。
もっと、「過剰適合」について調べてみよう。
戻る
一覧へ
次へ