仕組み最終確認 2026.10.19
Underfitting
学習不足(アンダーフィッティング)がくしゅうぶそく・アンダーフィッティング
モデルがデータの基本的な傾向を十分に学べず、学習用データでも予測がうまくできない状態です。
MEANING
もう少し詳しく
使う特徴量が適切でない、学習が足りない、モデルが単純すぎるなどの理由で起こります。過学習は学習用データには合うのに新しいデータで外れやすい状態ですが、学習不足は学習用データの段階から成績が低い点が違います。
EXAMPLE
身近な例
曜日だけで来店数を予測し、天候や祝日など大きく影響する情報を使わなかったため、過去の来店数さえうまく説明できません。
MISUNDERSTANDING
よくある勘違い
学習不足は、単に学習データの件数が少ないことだけを指しません。入力項目、学習時間、モデルの複雑さなど複数の原因があります。
KEY POINT
覚えておくこと
学習用データと確認用データの両方で成績を見て、過学習との違いを切り分けます。
SOURCE
確認した公式情報
コラボットが公式資料を確認し、初心者向けの表現へ整理しています。製品仕様や提供条件は変更される場合があります。
Google for Developers・Overfitting ↗確認日:2026.10.19