未学習 とは？

過学習は「勉強しすぎて丸暗記になり、応用が利かない」状態。未学習は「そもそも勉強が足りなくて基礎すらわかっていない」状態だよ。過学習は訓練データの精度だけ高いけど、未学習は訓練データでも精度が低いのが見分けるポイントだね。

よくあるのは「モデルが単純すぎる」ケースだよ。例えば曲線的なパターンのデータを直線だけで表現しようとすると、どう頑張ってもフィットしない。あとは学習回数（エポック数）が少なすぎてモデルが十分に学べていない場合もあるね。

モデルの表現力を上げるのが基本だよ。層を深くしたり、ニューロン数を増やしたり、より複雑なモデルに変えたりする。学習回数を増やしたり、データの特徴量を追加するのも効果的。ただしやりすぎると今度は過学習になるから、バランスが大事なんだ。

これを「バイアス-バリアンストレードオフ」と言うよ。未学習はバイアスが高い（モデルが単純すぎて真のパターンを捉えられない）状態、過学習はバリアンスが高い（訓練データの些細なパターンにまで反応してしまう）状態。ちょうどいいポイントを見つけるには、検証データの損失が上がり始めるタイミングで学習を止める「早期停止」が効果的だよ。

学習曲線をグラフにすると一目瞭然だよ。訓練損失と検証損失の両方が高止まりしていたら未学習。訓練損失は低いのに検証損失が高いのは過学習。理想は両方が低くて差が小さい状態。TensorBoardやWandBなどの可視化ツールで学習曲線を監視するのが、機械学習エンジニアの基本動作なんだ。