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現象

  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、訓練データに対する精度は高いのに、未知のデータに対する予測精度（汎化性能）が落ちる現象である。データ量を増やす、正則化を行う、モデルを単純化するなどが対策になる。

  出典：令和4年度 秋期 高度共通_午前I試験 am1 問2（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：過学習にはデータ拡張などで訓練データを増やす

  過学習は訓練データに適合しすぎてモデルが未知データに対応できなくなる状態で、訓練データの不足やモデルの複雑さが主な原因である。元データに回転・反転・ノイズ付加などの加工を施して訓練データを水増しするデータ拡張は、多様性を増やして過学習を抑える有効な手段である。

  出典：令和7年度 春期 高度共通_午前I試験 am1 問2（IPA）