過学習とは？かがくしゅう
過学習とは、訓練データに適合しすぎて、未知のデータに対する予測性能（汎化性能）が落ちる現象。モデルが複雑すぎる、訓練データが少ない、特徴量が多すぎる場合に起きやすい。訓練誤差は下がり続けるのに検証誤差が上向く点が見分け方で、バイアスとバリアンスのトレードオフの一方の端にあたる。
最終更新：2026-10-06
この語が出る過去問を解く →背景
学習は手元のデータの誤差を小さくする形でしか進められないが、本当に欲しいのは見たことのないデータでの精度である。この二つは途中まで一致し、ある点から逆方向へ離れていく。訓練データだけを見ていてはこの分岐点に気づけない。検証データを訓練から切り離す作法は、直接は観測できないこの差を測るための代用である。
具体例
手書き数字のMNISTで層を深くし続けると訓練精度は100%へ近づくが、テスト精度は途中から下がる。対策は正則化、ドロップアウト、早期打切り、交差検証、データ拡張で、scikit-learnやTensorFlowはいずれも標準の機能として備えている。
試験での引っ掛け
未学習（学習不足）との向きの取り違えが定番。訓練誤差も検証誤差も高いままなら未学習で、モデルを複雑にする方向が正しい。また訓練データで測った精度を汎化性能として報告するのは誤りで、テストデータは最後まで学習に使わない。
関連用語
出た過去問
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7年度 春期 応用情報技術者試験 午前 問3（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（複雑すぎるモデルに罰則を加える手法）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・参考
公式シラバスの1 基礎理論 ＞ 3. 情報に関する理論 ＞ (9) AI（Artificial Intelligence：人工知能）に関する技術に掲載されている用語です。
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。