Model-Evaluation on Debimate

過学習（overfitting）

Sun, 24 May 2026 00:00:00 +0000

過学習（overfitting）は、モデルが訓練データの特徴を「覚えすぎ」て、未知のデータでうまく予測できなくなる現象である。
訓練データではほぼ満点なのに、テストデータや本番データでは精度が大きく落ちる、という形で表に出る。

正則化（regularization）

Sun, 24 May 2026 00:00:00 +0000

正則化（regularization）は、過学習を抑えるためにモデルの「複雑さ」へペナルティを課す仕組みである。
学習時に最小化する損失関数に、パラメータの大きさを表す項を足すことで、極端に大きな重みを持つモデルが選ばれにくくなる。

交差検証（cross validation）

Sun, 24 May 2026 00:00:00 +0000

交差検証（cross validation, CV）は、限られた学習データを「訓練用」と「検証用」に何通りも分け直して評価することで、モデルの性能をより安定して見積もる手法である。
1 回だけの分割では「たまたま簡単／難しい分割を引いた」せいで結果がブレるので、分割の組み合わせを変えながら平均を取って判断する。

ハイパーパラメータ（hyperparameter）

Sun, 24 May 2026 00:00:00 +0000

ハイパーパラメータ（hyperparameter）は、機械学習モデルを学習させる前に人間が決める設定値のこと。
データから自動で決まる「パラメータ（parameter）」と区別される。