過学習とは？

過学習の意味

訓練データに適合しすぎた結果、未知のデータに対する予測性能（汎化性能）が低下する現象。モデルが複雑すぎる、訓練データが少ない、といった場合に起きやすい。

過学習の具体例

対策として、訓練データを増やす（データ拡張を含む）、正則化でパラメータの大きさを抑える、ドロップアウトで一部のノードを無効化する、早期打切りを行う、などがある。

過学習は試験でどう引っ掛けられる？

訓練データの精度が上がり続けているのに検証データの精度が下がり始めた点が、過学習の始まり。訓練精度だけを見て判断しない。

過学習と関連する用語

• 交差検証
• 機械学習

過学習が出た過去問

• AIにおける過学習の説明として、最も適切なものはどれか。

  正解：学習に使った訓練データに対しては精度が高い結果となる一方で、未知のデータに対しては精度が下がる。

  要点：過学習は訓練データに適合しすぎて汎化性能が落ちること

  過学習（オーバーフィッティング）は、モデルが訓練データの細部やノイズまで覚え込んでしまい、訓練データでの精度は高いのに未知データでの汎化性能が落ちる現象です。正則化やドロップアウト、訓練データの増強などで抑えます。

  出典：令和4年度 秋期 応用情報技術者試験 午前 問4（IPA）

• AIにおける機械学習の過程において，過学習と疑われたときの解消方法として，最も適切なものはどれか。

  正解：精度を高めるために，元の訓練データに加工を施し，訓練データの量を増やす。

  要点：過学習対策はデータ増強・モデル単純化・正則化で汎化性能を上げること

  過学習は、モデルが訓練データの細部やノイズまで覚え込み、未知データへの汎化性能が落ちた状態である。対策は訓練データを増やす（データ拡張を含む）、モデルを単純にする、正則化を加えるなどで汎化性能を上げる方向に働かせること。既存データに変換を加えて量を水増しするデータ拡張は、この代表的な手法である。

  出典：令和7年度 春期 応用情報技術者試験 午前 問3（IPA）