AI・ガジェット辞典

AIとガジェットの言葉を、わかりやすく

過学習とは?

AI用語
📉
過学習

一言でいうと: 練習問題を丸暗記して応用が利かなくなる、AIの「勉強の失敗」です。

過学習の基本

過学習とは、機械学習のモデルが学習用データの細部や偶然の偏りまで覚え込んでしまい、新しいデータに対してうまく判断できなくなる現象です。たとえば試験の練習問題だけを丸暗記した生徒が、少しひねった問題で解けなくなる状態に似ています。モデルが複雑すぎる、学習データが少なすぎる、学習を長く続けすぎるといった条件で起きやすくなります。対策としては、データを増やす、モデルをシンプルにする、正則化という工夫で覚え込みを抑える、学習の途中で検証用データで出来を確認して早めに止める、といった方法が知られています。学習データへの成績ではなく、未知のデータへの成績(汎化性能)を高めることが、機械学習の大きな目標の一つです。逆に、学習が足りずに単純なパターンすら十分に身についていない状態は「未学習(学習不足)」と呼ばれます。

ここがポイント

なぜ起きるのか

モデルには「データの本質的なパターンを学ぶ力」と「たまたまの偏りまで覚える力」の両方があります。データが少ない、あるいはモデルの表現力が大きすぎると、後者が勝ってしまいます。人間で言えば、例外や言い回しまで暗記してしまい、肝心の考え方が身についていない状態です。

見分け方の基本

過学習は、学習用データでの成績は良いのに、検証用データでの成績が悪い、という差で見分けられます。そのため実務では、データを学習用と検証用に分けておくのが基本です。学習を進めるほど検証成績が悪化していくようなら、過学習が進んでいるサインだと考えられます。

代表的な対策

データを増やす・種類を増やすことが最も根本的な対策です。そのほか、学習データに少し変化を加えて水増しする「データ拡張」、モデルの複雑さにブレーキをかける「正則化」、一部の接続をランダムに切って依存を減らす「ドロップアウト」など、さまざまな工夫が使われています。

使うときのコツ・注意点

過学習は、AIが自信満々に間違える原因の一つです。身近な例では、推薦システムが過去の偏った行動だけに最適化され、似たような商品ばかり勧めるようになることがあります。AIサービスの精度を評価するときは、学習に使ったデータではなく、新しい条件で試した結果を見ることが大切です。デモの成績だけで判断しないようにしましょう。

関連アイテムを楽天市場で探す

楽天市場で「機械学習 本」を探す →

広告(PR):楽天市場へのリンクはアフィリエイトリンクです。リンク先で購入されると、このサイトに紹介料が入ることがあります(価格は変わりません)。

関連する用語