1.3基礎
分類モデルが訓練データでは99%、未知のテストデータでは65%の正解率だった。
訓練とテストの差を調査する。
この状態を最も適切に表すものはどれか。
× 不正解
訓練性能だけが高く、未知データで大きく低下する場合は過学習を疑い、データ分割やモデル複雑度を再確認する。
詳細解説
正しい過学習の可能性がある
訓練例へ適合しすぎ、未知データへの汎化性能が低い兆候である。
誤りモデルを本番へ無条件に配置すべきである
汎化性能と原因を確認してから配置を判断する。
誤りテストデータで追加訓練すべきである
テストデータを訓練へ混ぜると評価の独立性を失う。
誤り必ずデータ漏えいがないと証明された
性能差だけでは漏えいの有無を証明できない。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
AWS公式AIF-C01ガイドDomain 1.3の過学習・汎化・評価データを確認する。
参考にした公式資料
確認できる内容
訓練とテスト性能の差を過学習の兆候として説明できる。
理解のポイント
- 過学習
- 汎化
- テストデータ
確認時の注意
- 確認環境: AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
- AWS公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
過学習
訓練データの細部へ適合しすぎ、未知データで性能が下がる状態。
汎化性能
学習時に見ていないデータへ適用できる能力。
問題IDAWS-AIF-065
確認環境AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告