ある画像分類の課題で、構造の異なる3つのモデルを学習させ、学習用データと検証用データで誤り率を測った。モデルPは学習用2%・検証用25%、モデルQは学習用20%・検証用21%、モデルRは学習用6%・検証用9%であった。この結果の解釈として、最も不適切なものを1つ選べ。
正解と解説を見る
解説
正解 D
この問題の論点：学習誤差と検証誤差の比較
ポイント
汎化性能は検証用データでの成績で比べます。学習用との差が大きければ過学習、両方とも悪ければ未学習を疑います。
選択肢ごとの解説
- A
適切
学習用の誤り率は2%と低いのに、検証用では25%と大きく悪化しています。学習用データのノイズや偶然の特徴まで覚え込み、未知のデータに対応できていない過学習の典型です。
- B
適切
正則化はモデルの自由度を抑え、ノイズへの過剰な適合を防ぎます。学習用データを増やすと、偶然の特徴を覚えにくくなります。どちらも過学習に対する基本的な対策です。
- C
適切
Qは学習に使ったデータでさえ20%を誤っており、同じ課題でRが6%まで下げていることと比べると、表現力が足りていません。この状態は未学習と呼ばれ、検証用の誤り率も高くなります。
- D
不適切 正解
Qの差が小さいのは、学習用でも検証用でも同じように誤っているからです。汎化性能は差ではなく検証用データでの成績で比べるため、検証用の誤り率が21%のQより、9%のRのほうが高いと判断します。
試験での狙われ方
学習用と検証用の誤差や精度の数値、またはその推移を示し、過学習と未学習のどちらにあたるかを判断させる形が典型的です。
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目10 モデルの選択・評価）
- scikit-learn User Guide 3.5 Validation curves: plotting scores to evaluate models （3.5.1 Validation curve）