AIにおける過学習の説明

機械学習における「過学習(Overfitting)」とは、モデルが訓練データに適合しすぎてしまい、訓練データには高い精度を出す一方で、未知のテストデータに対する汎化性能(予測精度)が下がってしまう現象を指します。 ア: ある領域で学習したモデルを別の領域に再利用するのは「 転移学習 」の説明です。 イ: 訓練データへの精度は高いが未知のデータへの精度が下がる状態であり、これが「 過学習 」の正しい説明です。 ウ: 結果と期待値の差から逆方向に学習させるのは「 誤差逆伝播法(バックプロパゲーション) 」の説明です。 エ: 成功の報酬を与えることによって学習を進めるのは「 強化学習 」の説明です。

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。

出典令和4年度 秋期 高度情報処理技術者試験 午前Ⅰ 問2
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が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掛け離れている場合に、結果側から逆方向に学習させて、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。