Overfitting（過学習）

・英語による用語：Overfitting
・用語カテゴリ：技術用語
・日本語読み：オーバーフィッティング（過学習）
・種別：学習上の問題
・位置づけ：モデルの汎化を損なう現象
・関連：ファインチューニング ／ 評価 ／ モデルドリフト ／ ディープラーニング
・備考：学習データに適合しすぎて、未知のデータにうまく対応できなくなる状態。汎化性能の低下。

Overfitting（過学習）とは？AIが「丸暗記」してしまう問題

Overfitting（過学習／過剰適合）とは、AIモデルが学習に使ったデータに適合しすぎてしまい、まだ見ていない新しいデータに対してはうまく対応できなくなる状態を指します。いわば、練習問題の答えを丸暗記してしまい、応用問題が解けなくなる生徒のような状態です。

AIの目的は、学習データそのものを覚えることではなく、そこから一般的な法則を学んで未知のデータにも通用する力（汎化性能）を身につけることです。過学習が起きると、学習データ上の成績は非常に良いのに、実運用のデータでは精度が落ちる、という食い違いが生じます。データが少なすぎる、モデルが複雑すぎる、同じデータを学習しすぎる、といった場合に起こりやすくなります。

対策には、学習に使わない検証データで性能を確かめる、学習を適切なところで止める、モデルの複雑さを抑える、データを増やす・多様化するといった手法があります。ファインチューニングや評価（Evaluation）を行う際にも、過学習を避ける視点は品質確保の基本になります。