4-3 機械の勉強しすぎって…？
次は"過学習"に関して調べてみたいと思います。AIが勉強しすぎるってどういうことだろう？
そんなの身近にないよ！とか思ったのですが、最近(あんま最近でもないけれど)、自分におきた過学習の一例かなあと思うものを上げたいと思います(間違って行っても一切の責任は取りません)。何が起きたかというと、ゲームのキャラの名前を打とうとしたら、macによる自動変換が凄まじいことになりました。このPCを結構長く使っているので、予測変換のデータ蓄積でどっかで狂ったのかなあと愚考しています。
https://gyazo.com/826d9e0b7a5a5dbf911afb21f6985e0f(出典：自分でとったスクリーンショット)
おっと、まだ用語の説明をしてませんでした。過学習とは！
「過学習（過適合）」とは、学習（訓練）データにあまりに適合しすぎて、学習（訓練）データでは正解率が高いのに学習（訓練）データとは異なるデータ（例えば、評価データ）では正解率が低くなってしまう、つまり、学習（訓練）データだけに最適化されてしまって汎用性がない状態に陥ることです。 （参考資料(27)より） らしいです。てことは前の例は意味合いが少し違うかもしれない？！じゃあ、なんでだろという話は横に置いておきましょう。
なんか対策とかもできるらしいですけど小難しくてついていけない… えっとすいません引用元読んでください(笑) 自分にはまとめる実力がありませんでしたm(_ _)m
汎化能力という言葉もついでに紹介したいと思います。汎化は言い換えると一般化ともいえそうです。例だと、人間→哺乳類→動物 みたいに思考することです。これがなんの役に立つかというと応用力という点でしょう。
汎化がうまくできるということは、今までやってきたことを活かして、自分が体験したことのない未知の事象にも対応できるようになるということです。（受験の時とか、先生が怒ってる時には散々言われましたよね？）
過学習はこれができなくなってるのかなあ…？とか考えながら今ページはここまで。
次→ []