AIの基礎概念と歴史定義問題
深層学習における「過学習（オーバーフィッティング）」とは、どのような現象を指すか。
A.訓練データには適合しているが、未知のテストデータに対する予測性能が低い状態← 正解
✓ 正解です。過学習は訓練データに過度に適合し、一般化性能が低下する現象です。正則化やドロップアウトで対策します。
B.モデルの訓練が進まず、損失関数の値が更新されない状態
✗ これは訓練が収束していない状態で、過学習とは別の問題です。
C.複数のモデルを組み合わせることで、単一モデルより性能が低下する状態
✗ アンサンブル学習は通常、単一モデルより性能が向上します。
D.ニューラルネットワークの層数が多すぎて計算に莫大な時間がかかる状態
✗ 計算時間の問題は過学習の定義に含まれません。
「AIの基礎概念と歴史」の他の問題
機械学習モデルが訓練データに過度に適合し、テストデータでの性能が低下した場合、このような状況を改善するためには、次のうち…深層学習モデルが新しいドメイン（異なるデータ分布）に対応する際、事前学習済みモデルを使用した転移学習を適用する場合、モデ…勾配消失問題が発生している深層ニューラルネットワークを改善する場合、次のうちどの施策の組み合わせが最も効果的ですか？自然言語処理タスクで、訓練データが極めて限定的な場合、次のうちどのアプローチが最も実用的ですか？画像分類モデルが特定のクラスに対して極めて高い確信度（90%以上の予測確率）を返しても、実際には予測が外れている場合が頻…時系列予測タスクで、長期的な依存関係を捉える際に通常のLSTMが困難を示した場合、改善策として最も適切なのはどれですか？