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
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。
モデルの複雑化を抑えられる。
問題の要件では、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。
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。
未知データへの一般化を確認できる。
問題の要件では、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。
訓練への適合が進み過学習する。
問題の要件では、訓練回数を増やせば必ず未知データ性能が上が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。
検証性能を無視している。
問題の要件では、訓練正解率が高いモデルをそのまま本番へ出すが解決する範囲と、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 Domain 1.2の過学習、正則化、早期終了、一般化性能を確認する。期待される結果
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