生成AIパスポート 用語集機械学習
学習不足とはがくしゅうぶそく
英語Underfitting別名未学習、アンダーフィッティング分野機械学習出題重要度★★☆公式テキスト公式テキスト 第1章「過学習」
解説：村井宗明（GUGA協議員・元文部科学大臣政務官・AIエンジニア）｜公開 ｜更新
学習不足の意味
学習不足とは、機械学習のモデルがまだ十分に学習できておらず、データに含まれる規則性をつかみきれていない状態のことです。未学習やアンダーフィッティングとも呼ばれます。この状態のモデルは、訓練データに対しても未知のデータに対しても精度が低く、実用的な予測ができません。
生成AIパスポート試験の対策なら → 無料の合格アプリ
詳しい解説
学習の進み具合は、「学習不足→汎化→過学習」という3段階で考えると理解しやすくなります。学習を始めたばかりのモデルは学習不足の状態にあり、データの傾向を大ざっぱにしかとらえられません。学習を進めると、データ全体の規則性をうまくとらえた「汎化」の状態に近づきます。しかし、さらに学習を続けすぎると、今度は訓練データに合わせすぎた「過学習」に陥ります。
学習不足の原因には、学習回数が少ないこと、モデルが単純すぎて複雑なパターンを表現できないこと、特徴をとらえるための情報が足りないことなどが考えられます。
試験のポイント
- 規則性をまだつかめていない状態
- 訓練データでも未知データでも精度が低い点が過学習と異なる
- 「学習不足→汎化→過学習」の順番を押さえる
- 目指すのは中間の「汎化」の状態
学習不足の確認問題（○×）
学習を進めていくと、モデルは学習不足の状態から汎化した状態になり、さらに進めすぎると過学習の状態になる。
答えと解説を見る
答え：○
学習不足と過学習の中間にある、汎化した状態が望ましいとされます。
生成AIパスポート 用語集（全407語）のトップに戻る
