過学習（Overfitting）とは？
読み方: カガクシュウ
30秒まとめ
AIモデルが学習データに過度に適合し、未知のデータに対する予測精度が低下する現象。
過学習（Overfitting）の意味・定義
過学習（Overfitting、オーバーフィッティング）は、AIモデルが学習データのパターンやノイズを過度に記憶してしまい、未知の新しいデータに対する予測精度が低下する現象です。学習データでの精度は非常に高いのに、テストデータでは精度が大きく下がるという特徴的な症状が現れます。原因としては、学習データの不足、モデルの複雑さ過剰、学習回数の過多などがあります。対策としては、データ拡張、正則化（L1/L2正則化、ドロップアウト）、早期停止（Early Stopping）、交差検証、バッチ正規化などが有効です。機械学習の実務において最も注意すべき問題の一つであり、適切な対処がモデルの実用性を左右します。