2026.05.04

【G検定対策】バイアスと分散とは？過学習・未学習の原因をわかりやすく整理

seo-webmaster

プロモーションが含まれています

AIモデルがうまく学習できない原因は、大きく2つに分けられます。

それが「バイアス（ズレ）」と「分散（ブレ）」です。

この2つを理解すると、なぜ「未学習」や「過学習」が起きるのかが一気につながります。さらにG検定では「トレードオフ」として頻出テーマです。

この記事では、直感的に理解できるように図解ベースで整理します。

ジャンプするもくじ

バイアスと分散
何が起きているのか
どんな問題になるのか？
1. トレードオフが必要
どう考えればいいか（対処法）
G検定ではどう問われる？
まとめ
関連記事・おすすめ記事

バイアスと分散

モデルとは『AIがデータをもとに判断するための「仕組み」や「計算のルール」のこと』です。

まずは全体像を一言で押さえましょう。バイアスと分散の本質をシンプルに理解することで、このあとの内容が一気にわかりやすくなります。

　バイアス → ズレ（モデルがシンプルすぎ）

　分散 → ブレ（モデルが複雑すぎ）

AIの誤差はこの2つで説明できる

何が起きているのか

バイアス（ズレ）と分散（ブレ）が大きくなると、モデルは正しく学習できず、予測が不正確になります。ここでは、そのとき内部で何が起きているのかを整理します。

バイアスが大きい
　→ モデルが単純すぎる
　→ データをうまく表現できない

分散が大きい
　→ モデルが複雑すぎる
　→ データに振り回される

シンプルすぎてもダメ・複雑すぎてもダメ

どんな問題になるのか？

バイアスや分散が大きいと、モデルは正しく予測できず、未学習や過学習といった問題が発生します。ここでは具体的にどんな問題になるのかを整理します。

バイアスが大きい
　→ 未学習（アンダーフィッティング）

分散が大きい
　→ 過学習（オーバーフィッティング）

ここが“過学習対策”とつながるポイント

○ 単純すぎ → 未学習
○ 複雑すぎ → 過学習

トレードオフが必要

バイアスと分散は互いに影響し合い、片方を下げるともう片方が上がりやすい関係にあります。この関係を トレードオフ と呼びます。

バイアスと分散は反対の動きをする
モデルを複雑にするとバイアスは下がるが、分散は上がる

どう考えればいいか（対処法）

精度が出ないときは、原因が「ズレ（バイアス）」か「ブレ（分散）」かを見極めることが重要です。ここでは実務での考え方を整理します。

○ 精度が低いとき → 原因は「ズレ」か「ブレ」

○ シンプルすぎる → モデルを複雑にする

○ 複雑すぎる → 正則化・ドロップアウトを使う

「原因 → 対策」で考えるのがコツ

G検定ではどう問われる？

G検定では「状態」と「対策」が問われます。

バイアスと分散はどのような関係性か
未学習はどのような状態か
過学習はどのような状態か
最適な状態はどのような状態か

用語セットで覚えるのが鉄板

まとめ

一言でまとめると…

バイアス → ズレ（モデルが単純すぎ：未学習）

分散 → ブレ（モデルが複雑すぎ：過学習）

そして…

バランスが最も重要

バイアスは「ズレ」、分散は「ブレ」を意味し、どちらが大きくてもモデルの性能は低下します。

シンプルすぎると未学習（高バイアス）、複雑すぎると過学習（高分散）が発生します。

重要なのはこの2つの バランスを取ること です。

トレードオフの関係を理解し、最適なモデルを目指しましょう。G検定では頻出ポイントなので確実に押さえておきましょう。