訓練誤差と汎化誤差

問題

訓練誤差と汎化誤差に関する記述のうち誤りを1つ選べ。

「訓練誤差」はAIが学習に使ったデータに対する予測のズレであり、「汎化誤差（テスト誤差）」は学習に使っていない未知データに対する予測のズレです。

AI開発では、訓練誤差を小さくしていくと同時に、汎化誤差も一緒に小さくなっているかを確認することが重要です。

もし訓練誤差は減っているのに汎化誤差が増え始めたら、それは「過学習」が起きているサイン（兆候）として捉えられます。

1. 訓練誤差は訓練データに対する誤差である

正しい：AIモデルに学習用データを入力したときの、予測値と実際の正解とのズレ（誤差）を指します。

2. 汎化誤差は未知データに対する誤差である

正しい：学習時に一度も見ていない新しいデータ（テストデータ）を入力したときの誤差であり、実運用での性能を見積もるために使われます。

3. 訓練誤差は常に汎化誤差より大きい

誤り：通常、AIは訓練データに合わせてパラメータを最適化するため、「訓練誤差」のほうが「汎化誤差」よりも小さくなる（または同等になる）傾向があります。

4. 訓練誤差と汎化誤差は異なる概念である

正しい：訓練データをどれくらい記憶できたか（訓練誤差）と、未知のデータにどれくらい対応できるか（汎化誤差）という、異なる目的の指標です。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ