令和7年度 春期 ITストラテジスト試験 システムアーキテクト試験 ネットワークスペシャリスト試験 ITサービスマネージャ試験 情報処理安全確保支援士試験 午前Ⅰ 問題【共通】 問2
テクノロジAI・データ活用
この問題は2025(R7)春 高度試験共通 午前Iに出題されたものです。出題時点の法令・制度に基づく内容のため、現行の内容と一致しない場合があります。
本ページの問題文・選択肢は、原本の体裁を Web 表示用に正規化しています（改行・記号・数式・図表参照の調整）。設問の趣旨および正解に影響する変更は加えていません。
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。
解答・解説を読む
正解: 選択肢イ
過学習（オーバーフィッティング） とは、機械学習のモデルが訓練データに過剰に適合してしまい、未知のデータに対する予測性能（汎化性能）が低下してしまう現象のことです。
過学習を防ぐ、あるいは解消するための代表的な手法には次のようなものがあります。
- 訓練データの量を増やす（データ拡張など）
- モデルの複雑さを下げる（パラメータ数を減らすなど）
- 正則化を行う
- 学習を早期終了する（アーリーストッピング）
各選択肢の解説
- ア：誤り。訓練データをテストデータとして使用すると、モデルの汎化性能を正しく評価することができません。テストデータには、モデルが学習していない未知のデータを使用する必要があります。
- イ：正解。元の訓練データに加工を施してデータ量を増やすこと（データ拡張など）は、モデルが特定のデータパターンに過剰に適合するのを防ぐ効果があり、過学習の解消方法として適切です。
- ウ：誤り。モデルをより複雑にすると、訓練データの細かなノイズまで学習してしまい、かえって過学習を悪化させる原因になります。過学習を抑えるには、モデルをシンプルにする必要があります。
- エ：誤り。未知のデータに対する予測能力を高めるためには、汎化性能 を「上げる」必要があります。「汎化性能を下げる」という記述は誤りです。