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。
| ア | 訓練したときと同じ制度を出すために、訓練データをテストデータとして使用する。 |
| 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 | 予算した結果に近づけるために、モデルをより複雑にする。 |
| エ | より多くの道のデータに対して予測できるように、汎化性能を下げる。 |
答え イ
【解説】
過学習を防ぐには以下の方法があります。
- データを増やす
データが少なければ多様な情報をモデルに学習させられず、過学習になる可能性が高くなるので、より多くのデータをモデルの学習に用い、特定のデータに適合しすぎることがないようにします。 - 正則化を行う
正則化を行うことで、モデルの複雑さを抑え、より未知のデータにも適合するようにモデルを修正できます。 - アンサンブル学習を行う
複数のモデルを組み合わせて利用する方法で、複数のモデルを組み合わせて予測結果を得ることで、過学習を防げるだけでなく安定した予測結果となります。
【キーワード】
・過学習
- 過学習(overfitting)
機械学習モデルが訓練データに過剰に適合しすぎて、未知のデータ(本来分析するデータ)に対して予測精度が低下する状態です。
過学習状態になると期待する結果を得られないので、学習を行った後は検証を行う必要があります。
もっと、「過学習」について調べてみよう。
戻る
一覧へ
次へ