Azure認定資格 WEB問題集＆徹底解説
AI-900：Microsoft Azure AI Fundamentals
解説
正解はDです。この問題は「高バイアス（underfitting）」の典型的な症状を示しています。訓練データとテストデータの両方で低い精度、過度に単純化された予測、重要な特徴間の関係性の無視は、いずれもモデルの表現力不足を示しています。解決には、より複雑なアルゴリズム（例：決定木からニューラルネットワークへの変更）や特徴量エンジニアリング（交互作用項の追加、多項式特徴の導入など）が有効です。
選択肢 A：過学習（overfitting）は訓練データでの精度が高く、テストデータで低い場合に発生する問題です。本問では両方で低い精度を示しており、過学習ではなく学習不足（underfitting）の状況です。正則化はむしろモデルをさらに単純化するため、逆効果となります。
選択肢 B：明らかに予測精度が低く、重要なパターンを見逃している状態であり、最適な状態とは言えません。改善の余地が大きく存在します。
選択肢 C：訓練データへの過剰適合は、訓練精度が高くテスト精度が低い場合に該当します。本問では両方で同程度の低精度であり、過剰適合ではありません。また次元削減はモデルをさらに単純化するため、現状の問題を悪化させる可能性があります。
Azure Machine Learning
選択肢 A：過学習（overfitting）は訓練データでの精度が高く、テストデータで低い場合に発生する問題です。本問では両方で低い精度を示しており、過学習ではなく学習不足（underfitting）の状況です。正則化はむしろモデルをさらに単純化するため、逆効果となります。
選択肢 B：明らかに予測精度が低く、重要なパターンを見逃している状態であり、最適な状態とは言えません。改善の余地が大きく存在します。
選択肢 C：訓練データへの過剰適合は、訓練精度が高くテスト精度が低い場合に該当します。本問では両方で同程度の低精度であり、過剰適合ではありません。また次元削減はモデルをさらに単純化するため、現状の問題を悪化させる可能性があります。
関連サービスの解説
Machine Learning ServiceAzure Machine Learning
＋ 質問 / コメント
解答・解説に疑問がある場合や、よりよい解説がある場合など、お気軽にコメントください。ただし、短文コメントは表示されません。また、中傷などコメントの内容によっては、会員機能を停止させて頂きます。教え学び合える場になれば嬉しいです。（コメント投稿にはログインが必要です）
正答率 %
No.29 解説
ある製造業の企業が、製品の品質予測のために Machine Learning モデルを導入しました。運用開始後、以下の状況が観測されています。
・製造条件の変化による品質低下パターンを見逃している
・訓練データとテストデータの両方で同程度の低い精度を示している
・予測結果が過度に単純化されており、実際の品質変動を捉えきれていない
・複数の製造パラメータ間の相互作用が予測に反映されていない
この機械学習モデルが抱える問題と、最も適切な改善策を示すものはどれですか。
・製造条件の変化による品質低下パターンを見逃している
・訓練データとテストデータの両方で同程度の低い精度を示している
・予測結果が過度に単純化されており、実際の品質変動を捉えきれていない
・複数の製造パラメータ間の相互作用が予測に反映されていない
この機械学習モデルが抱える問題と、最も適切な改善策を示すものはどれですか。
- 過学習が発生しており、L1またはL2正則化を適用してモデルの複雑性を制限する必要がある
- モデルは最適な状態にあり、現時点では追加の調整は不要である
- 訓練データに対する過剰適合が起きており、feature engineeringによる次元削減とcross-validationの強化が必要である
- モデルの表現力が不足しており、より複雑なアルゴリズムの採用と特徴量の追加により学習能力を向上させる必要がある