Azure認定資格 WEB問題集＆徹底解説
AI-900：Microsoft Azure AI Fundamentals
解説
正解はBです。トレーニングデータに対して98%という高い精度を示しながら、テストデータでは65%と大幅に低下している状況は、モデルが過学習（Overfitting）を起こしている典型的な兆候です。この場合、正則化技術（L1/L2正則化、Dropout、Early Stoppingなど）を適用することで、モデルがトレーニングデータの細かなノイズまで学習することを防ぎ、汎化性能を向上させることができます。
選択肢 A：より複雑なモデルアーキテクチャを採用すると、過学習がさらに悪化する可能性が高くなります。現状でも既にトレーニングデータに過度に適合しているため、複雑さを増すことは逆効果です。
選択肢 C：トレーニングデータのサイズを削減すると、モデルが学習できるパターンが減少し、汎化性能がさらに低下する可能性があります。過学習の解決には、通常はデータ量を増やすか、モデルの複雑さを制御することが推奨されます。
選択肢 D：学習率を大幅に引き上げると、モデルが適切に収束せず、不安定な学習結果を招く可能性があります。過学習の問題は学習率の調整では根本的に解決できません。
Azure Machine Learning
選択肢 A：より複雑なモデルアーキテクチャを採用すると、過学習がさらに悪化する可能性が高くなります。現状でも既にトレーニングデータに過度に適合しているため、複雑さを増すことは逆効果です。
選択肢 C：トレーニングデータのサイズを削減すると、モデルが学習できるパターンが減少し、汎化性能がさらに低下する可能性があります。過学習の解決には、通常はデータ量を増やすか、モデルの複雑さを制御することが推奨されます。
選択肢 D：学習率を大幅に引き上げると、モデルが適切に収束せず、不安定な学習結果を招く可能性があります。過学習の問題は学習率の調整では根本的に解決できません。
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 0%
No.3 解説
機械学習モデルの開発において、トレーニングデータに対して98%の精度を達成したが、テストデータに対しては65%の精度にとどまっている。この状況を改善するために最も推奨されるアプローチはどれか。
- より複雑なモデルアーキテクチャを採用し、パラメータ数を増やす
- 正則化技術を適用し、モデルの複雑さを制御する
- トレーニングデータのサイズを削減して、処理速度を向上させる
- 学習率を大幅に引き上げて、収束速度を加速する