MLの概念比較
過学習（オーバーフィッティング）と過小学習（アンダーフィッティング）の主な違いは何か？
A.過学習は訓練データに対しては高精度だが検証データで低精度、過小学習は両方で低精度である← 正解
✓ 正解です。過学習はモデルが訓練データに過度に適合し、検証・テストデータでは性能が低下します。過小学習はモデルが単純すぎて両方で低精度になります。
B.過学習は両方のデータセットで低精度、過小学習は訓練データでのみ高精度である
✗ 誤りです。説明が不正確です。過小学習は訓練データでも十分な精度が得られません。
C.過学習はモデルの複雑さが不足している、過小学習はモデルの複雑さが過剰である
✗ 誤りです。説明が逆です。過学習はモデルが複雑すぎ、過小学習はモデルが単純すぎます。
D.過学習と過小学習は本質的に同じ問題で、対処方法が異なるだけである
✗ 誤りです。過学習と過小学習は原因と症状が異なる別の問題で、解決方法も異なります。
この問題のポイント
過学習はモデルが訓練データに過度に適合し、検証・テストデータでは性能が低下します。過小学習はモデルが単純すぎて両方で低精度になります。
「MLの概念」の他の問題
IT・クラウド の関連資格
AWS Certified Cloud Practitioner（CLF-C02）
AWSクラウドの入門資格。クラウドの概念・AWSのコアサービス・セキュリティ・料金モデルを問う。
AWS Certified Solutions Architect - Associate（SAA-C03）
AWSでのシステム設計能力を問うアソシエイト資格。高可用性・セキュリティ・コスト最適化の設計が中心。
DP-900：Microsoft Azure Data Fundamentals
Azureのデータサービスの基礎を問うMicrosoft認定資格。リレーショナル/非リレーショナルデータ、分析ワークロード、コアのデータ概念を扱う。