過学習

過学習は、モデルが学習データの細かな特徴や偶然のばらつきまで覚えてしまい、学習データでは高い精度が出るのに、新しいデータでは精度が下がる状態を指します。データが少ないときや、モデルが複雑すぎるときに起こりやすくなります。防ぐ方法としては、学習用と評価用のデータを分けて精度を確かめる、データを増やす、モデルを必要以上に複雑にしない、といった工夫があります。業務での検証の段階では、試験的なデータだけでなく、実際の運用に近いデータで結果を確かめると、導入後の精度の落ち込みを避けやすくなります。