過学習と、ドロップアウト・正則化・アーリーストッピングの違い
3つの対策の見分け方

過学習とは

過学習（オーバーフィッティング）は、AI が訓練データに合わせすぎて、初めて見るデータの予測が外れやすくなる現象です。訓練データでは精度が高いのに、実際の仕事で新しいデータを入れると精度が下がります。ノイズや細かい偏りまで覚え込んでしまうのが原因です。

過学習を避け、初めてのデータにも対応できる力（汎化）を保つために、主に3つの対策があります。

3つの対策

• 正則化: AI が学習する情報量を決めるパラメータを調整・制限し、情報量を意図的に絞って学習させる。
• ドロップアウト: 学習のときに、あえて一部の人工ニューロンを休ませる。特定のニューロンやネットワークの一部に頼りすぎるのを防ぐ。
• アーリーストッピング: 学習を進めても精度が上がらなくなった時点で、学習を止める。ノイズや細部まで覚え込む前に打ち切る。

違いを表で比べる

試験での問われ方

生成AIパスポートでは、第1章「AIの基礎と歴史」で出ます。もちこ道場の問題データでは、過学習とその対策が出る問題は26問あり、そのうち21問が第1章です。次のような問われ方をしています。

• 穴埋め: 「訓練データでは高精度なのに、新しいデータで精度が落ちた」場面から「過学習」を選ぶ。「一部のニューロンを休ませる」「精度が上がらなくなった時点で止める」「情報量を絞る」の説明から、3つの対策のどれかを選ぶ。
• 説明を選ぶ: 3つの対策の説明を入れ替えた記述（ドロップアウトを「学習を止める」とするなど）の誤りを見抜く。
• 組み合わせ: 「過学習の主な回避方法は三つ」と、その名前をそろえて選ばせる。

覚え方

• 正則化は「制限」。パラメータを制限して情報量を絞ります。
• ドロップアウトは「脱落」。ニューロンを脱落させる（休ませる）、と読み替えます。
• アーリーストッピングは名前のとおり「早めに止める」です。

第1章のほかの用語は「第1章 AIの基礎と歴史の要点」にまとめています。