あるMLエンジニアが機械学習モデルの過学習（Overfitting）を防ぐための対策を検討しています。過学習の抑制に直接効果があるアプローチを2つ選択してください。
- A. ドロップアウト（Dropout）を適用し、訓練時にランダムにニューロンを無効化する
- B. 学習率を固定し、エポック数を増やしてモデルを十分に学習させる
- C. バッチ正規化（Batch Normalization）を使い、各レイヤーの出力分布を安定させる
- D. より高性能な GPU インスタンスに変更してトレーニング速度を上げる
- E. トレーニングデータを増やし、モデルが学習できるパターンの多様性を高める
解答と解説を見る
正解: A, E
トレーニングデータを増やすことはモデルが実際の分布をより正確に学習できるようになり、特定サンプルへの過剰適合を防ぐ最も効果的な方法の一つです（E）。ドロップアウトはトレーニング時にランダムにニューロンを無効化することで、特定のニューロンへの過度な依存を防ぎ、アンサンブル効果で汎化性能を高める正則化手法です（A）。バッチ正規化は学習の安定化・加速に効果がありますが、過学習抑制が主目的ではありません（C）。エポック数を増やすことは過学習を悪化させる可能性があり、過学習抑制の対策としては誤りです（B）。GPUのアップグレードはトレーニング速度の向上であり、過学習とは無関係です（D）。