令和7年度春期 情報処理安全確保支援士 午前Ⅰ 問2

午前I 問02：過学習を防いで未知データに強くしよう

過学習は、練習問題だけを丸暗記しすぎて、本番の少し違う問題に対応できなくなるような状態だよ。だから、データ拡張などで訓練データのバリエーションを増やして、いろいろなパターンに慣れさせることで、未知データにも対応しやすくするのが基本なんだ。

この問題で問われていること

精度向上策の中から、ただ訓練データに合わせ込むのではなく、本番で初めて見るデータにも強くなる方法を選べるかがポイントだよ。

過学習対策

過学習時は訓練データに偏り過ぎているので、データ量や多様性を増やす対策が有効です。

overfitting\n-> poor generalization\n-> augment training data

確認ポイント

• テストデータの使い回しは不適切です。
• モデルを複雑にすると悪化しやすい。
• 汎化性能を上げる方向を選ぶ。

正解

イ

出典

問題文と解答は IPA 公開の過去問題冊子・解答例を基にしています。

選択肢ア

これは選択肢の内容ではなく「最も適切なものはどれか」という設問文だよ。なので、この文自体には正解・不正解を判断する技術的な中身がないよ。選択肢として扱うなら、問題を解くための指示文であって答えではないよ。

選択肢イ（正解）

不正解だよ。訓練データをテストデータに使うのは、練習した問題集をそのまま本番試験に出して「高得点だった！」と言うようなもの。実力、つまり初見データへの強さは測れないから、過学習の解消にはならないよ。

選択肢ウ

正解だよ。元の訓練データに少し加工して量を増やすのは、同じ料理を角度や盛り付けを変えて見せて覚えさせるようなもの。AIが一部の見た目だけを丸暗記しにくくなり、初めて見るデータにも対応しやすくなるよ。これはデータ拡張と呼ばれる方法だよ。

選択肢エ

不正解だよ。過学習は、問題集の答えを丸暗記して初見問題に弱い状態みたいなもの。そこでモデルをさらに複雑にすると、細かいクセまで覚えすぎて逆効果になりやすいよ。また、未知のデータに強くしたいなら汎化性能は「下げる」ではなく「上げる」が正しいよ。