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。
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。
問題の要件では、過学習の可能性があるが解決する範囲と、別の工程が担う範囲を分けて判断する。
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。
性能差だけでは漏えいの有無を証明できない。
問題の要件では、必ずデータ漏えいがないと証明されたが解決する範囲と、別の工程が担う範囲を分けて判断する。
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。
テストデータを訓練へ混ぜると評価の独立性を失う。
問題の要件では、テストデータで追加訓練すべきであるが解決する範囲と、別の工程が担う範囲を分けて判断する。
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。
汎化性能と原因を確認してから配置を判断する。
問題の要件では、モデルを本番へ無条件に配置すべきであるが解決する範囲と、別の工程が担う範囲を分けて判断する。
実際に確かめる
一時的な検証環境で実行できる例です。
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。期待される結果
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