過学習
意味・解説
機械学習モデルが学習データに過剰に適合し、未知のデータに対して正しく予測できなくなる現象。
学習データのノイズや細部まで学習しすぎてしまい、データ全体の一般的な法則性を捉えられない状態。訓練データでの精度は非常に高いが、検証用データでの精度が著しく低下（汎化能力の欠如）するのが特徴。
くわしく
「テストの過去問だけを丸暗記してしまい、少し数字が違うだけの本番の問題が解けなくなる状態」に例えられます。
1.原因:
学習データが少なすぎる、モデルの構造が複雑すぎる、または学習回数が多すぎることなどが原因となります。
2.対策:
データの量を増やす、モデルを簡素化する（正則化）、学習を途中で切り上げる（早期終了）などの手法が取られます。実用的なAIを構築する上で、最も回避すべき課題の一つです。
例文
モデルの過学習を抑えるため、正則化項を導入してパラメータの自由度を制限した。
同義語: オーバーフィッティング
対義語: 未学習
分類: 機械学習の課題
この用語は生成AIパスポート試験にも出ます
生成AIパスポート試験（生成AI活用普及協会）の公式シラバス第4版では、第1章 AI（人工知能） の 1-2 に「過学習」として掲載されています。ITパスポートと重なるのは全191語中42語で、その1つがこの用語です。