未学習とは？-AI関連の用語集【クラベルAI】-

未学習（Underfitting）

未学習（Underfitting）とは、AIの学びが足りず、学習データでも新しいデータでも精度が出ない状態のことです。過学習が「覚えすぎ」なら、未学習は「勉強不足」です。モデルが単純すぎる、学習の回数が少ない、手がかりとなる項目が足りない、といった場合が原因になりがちです。学習データの成績からすでに低い点が、過学習との見分けどころです。

未学習（Underfitting）関連用語

未学習（Underfitting）に関連する単語は以下の通りです。

• 過学習（Overfitting）逆に、覚えすぎる状態とは？→
• モデル複雑性（Model Complexity）モデルの複雑さの目安は？→
• バイアス（Bias）偏りが大きいと何が起きる？→
• バリアンス（Variance）ばらつきとの兼ね合いは？→
• フィーチャーエンジニアリング（Feature Engineering）手がかりの項目を増やすには？→
• 学習曲線学習の様子はどう見る？→

未学習（Underfitting）で知っておくと得する有益情報

未学習は見落とされがちですが、直し方は比較的はっきりしています。

• 学習データでも低い学習データの成績が低い時点で、未学習を疑えます。過学習との大きな違いです。
• モデルを少し複雑にする単純すぎる場合は、表現力の高いモデルや、手がかりとなる項目を足します。
• 学習を十分に行う学習の回数が足りないだけの場合もあるので、続けて様子を見ます。

過学習と未学習の比べ方

この状態はどれ？

学習データでも新しいデータでも、正解率が低いままです。何が疑われる？

未学習過学習問題なし

学習データの成績から低いなら、未学習を疑います。

未学習（Underfitting）やさしい解説

過学習の反対ってこと？

その通りです。テスト勉強で、教科書をほとんど読んでいない状態を想像してください。

過去問も本番も解けません。過学習は覚えすぎ、未学習は学びが足りない状態です。

売上予測に「月」しか使わない単純なモデルだと、天気や催事の影響を拾えず、精度が上がりません。気温や休日といった項目を足したり、より表現力のあるモデルに変えたりすることで、改善する場合があります。

未学習（Underfitting）についてのみんなの疑問

未学習と過学習は、どちらが困りますか？

どちらも困りますが、直し方の向きが逆です。未学習はモデルを豊かにし、過学習は抑えます。まず学習データの成績を見て、どちらかを判断してから対処します。

データを増やせば、未学習は直りますか？

データを増やすだけでは、直らないことが多いです。原因がモデルの単純さなら、データが増えても同じ結果です。表現力の高いモデルへの変更や、項目の追加を考えます。

どの程度で学習をやめればいいのですか？

検証データの成績が伸びなくなるまでが目安です。早すぎると未学習、遅すぎると過学習になりがちです。学習の様子を示す曲線を見て、ちょうどよい所を探します。

AI関連の用語集【まとめ】

AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方は、ぜひご覧ください。

AI関連の用語集（全用語）気になった言葉は、ここからまとめて探せます。用語集を開く →

この記事は役に立ちましたか？

はい、役に立った いまいち

この記事をシェア

X Facebook LINE はてブ URLをコピー

ブログやSNSで紹介していただくときは、このページのURLをそのままお使いください（リンクはご自由にどうぞ）。

このサイトをホーム画面に追加

分からない言葉が出たとき、すぐ開けます。