1.2標準
訓練データの正解率は高いが、検証データで低下する。
一般化性能を改善する。
対応として適切なものを2つ選べ。
× 不正解
過学習は訓練データへ適合しすぎて未知データで性能が落ちる状態である。検証監視、正則化、早期終了、データ拡張などを組み合わせる。
詳細解説
誤り訓練回数を増やせば必ず未知データ性能が上がる
訓練への適合が進み過学習する。
正しい検証データの性能を監視して早期終了や正則化を検討する
モデルの複雑化を抑えられる。
正しい独立データで評価し、必要に応じてデータ拡張やモデル容量を調整する
未知データへの一般化を確認できる。
誤り訓練正解率が高いモデルをそのまま本番へ出す
検証性能を無視している。
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 Domain 1.2の過学習、正則化、早期終了、一般化性能を確認する。
参考にした公式資料
確認できる内容
訓練性能と未知データ性能の差を見て過学習対策を選べる。
理解のポイント
- 過学習
- 正則化
- 一般化
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
訓練データの特徴やノイズまで覚え、未知データで性能が低下する状態。
正則化
モデルの複雑さにペナルティを加え、過度な適合を抑える方法。
問題IDAWS-AIF-416
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