過学習と正則化とは？かがくしゅうとせいそくか
過学習と正則化とは、訓練データに適合しすぎて未知データへの予測精度が落ちる現象が過学習で、モデルの複雑さに罰則を加えて抑えるのが正則化。応用情報では、訓練誤差は小さいのに検証誤差が大きい状態をどう検知し、どう対処するかの判断として問われる。
最終更新：2026-10-06
応用情報を最短で暗記・合格する →具体例
特徴量200個・学習データ500件の回帰で訓練誤差が0.01、検証誤差が0.8になったら過学習を疑う。L2正則化の係数を上げる、特徴量を削る、データを増やす、ニューラルネットならドロップアウトを入れる、といった手を順に試す。
試験での引っ掛け
逆の未学習（訓練誤差自体が大きい）と対処が正反対で、未学習にデータを足しても改善しない。また正則化を強めすぎると未学習に振れるため、「強いほど良い」ではない。
関連用語
出典・参考
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。