過学習とは？かがくしゅう
過学習とは、訓練データに含まれる個別の事情やノイズまで学習してしまい、未知のデータに対する予測性能（汎化性能）が落ちる現象。訓練誤差は下がり続けるのに検証誤差が途中から上がりはじめるのが典型的な兆候で、データ量に対してモデルの表現力が過剰なほど起きやすい。
最終更新：2026-10-07
この語が出る過去問を解く →背景
機械学習の目的は手元のデータを言い当てることではなく、まだ見ていないデータで当てること。ところが実データにはノイズが混じっており、それまで忠実に再現しようとすると、本来の規則から外れた形を覚えてしまう。表現力を上げれば訓練データへの当てはまりは良くなるが汎化が落ち、下げればその逆になる——この綱引きがバイアスとバリアンスのトレードオフとして整理されている。
具体例
決定木は深さを制限しないと訓練データを丸暗記できてしまうため、枝刈りで深さを抑えるか、多数の木の多数決を取るランダムフォレストのようなアンサンブル学習で平準化する。ニューラルネットワークではドロップアウトで一部のノードを毎回無効化し、検証誤差が上向いた時点で学習を打ち切る。
試験での引っ掛け
「正解率が高い」だけでは判断できない。それが訓練データ上の値なら過学習の症状そのもので、評価は必ず学習に使っていないデータ（検証データ・テストデータ）で行う。逆に訓練誤差も検証誤差も高いままなら未学習で、対処は正則化ではなくモデルを複雑にする側になる。方向を取り違えないこと。
関連用語
出た過去問
出典：令和4年度 秋期 高度試験 午前Ⅰ 問2（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7年度 春期 高度試験 午前Ⅰ 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・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。