この問題は、訓練データの不足が主要の原因となる最も適切な選択肢を選ぶ問題です。 未学習は、モデルが単純すぎたり、学習回数（エポック数）が不足していたりすることで、訓練データのパターンすら十分に学習出来ていない状態です。 具体的には、リンゴを認識するタスクで、モデルのパラメータ数や学習回数が不足していて、「丸い」「赤い」といった基本的な特徴すらも捉えられない場合に発生します。 訓練データが少なくても、モデルの複雑さや学習回数が適切だった場合、その少数の訓練データのパターンは学習可能です。つまり、未学習は訓練データの不足によって引き起こされません。 対して、過学習は、モデルが訓練データに最適化されすぎて、未知のデータに対して汎化できない（性能を発揮できない）ことです。これは主に訓練データの不足によって発生します。 具体的には、訓練データに特定のリンゴの画像のみが数枚だけ含まれていた場合、モデルが「この特定のリンゴの形・色・向き」などの個別の特徴を学習することで、テストデータの少し違うリンゴの画像をリンゴと正しく認識できないケースなどです。 過学習は、モデルが複雑すぎる場合にも発生することがありますが、それも訓練データの不足と捉えることが出来ます。 複雑なモデルでも、十分な訓練データを与えることで、汎化性能が向上します（OpenAIのGPTモデルのパラメータ数は膨大ですが、大規模なデータを学習することで汎化を実現しています）。 内容をまとめると、 ・未学習：モデルの表現力不足が主因（データを増やしても改善しない） ・過学習：データ不足が主因（データを増やせば改善する） この問題では「データ不足が主因」という観点から、過学習が正解となります。 （参考: G検定公式テキスト 第3版，p.24,100,150,151,155）