↑: [[G検定に関する知識]] - 学習していない未知データに対してもモデルが正しく予測できる能力 - 汎化性能が低い状態 → [[過学習]]（訓練データに特化しすぎ） - 汎化性能を高める手法 - [[正則化]]（L1・L2）：過度な重みの成長を抑制 - [[早期終了]]：検証誤差が増え始めたら学習停止 - [[データ拡張]]：訓練データのバリエーションを増やす - [[ドロップアウト]]：ランダムにニューロンを無効化 - 評価：訓練誤差と検証誤差のギャップで確認 - ギャップ大 → 過学習（汎化性能低） - 両方高い誤差 → 未学習（underfitting）