過学習(overfitting)は、機械学習モデルが学習データに過度に適合し、データに含まれる一般的な規則ではなくノイズや偶然の特徴まで学習してしまう現象である。その結果、学習データでは高い成績を示すが、未知のデータでは性能が低下する。逆にモデルが単純すぎて学習データにすら十分に適合できない現象は未学習(underfitting)と呼ばれる。
モデルの複雑さに比べてデータが少ない場合や、学習を長く続けすぎた場合に生じやすい。これを防ぐため、学習データとは別の検証データで性能を測り、正則化、ドロップアウト、早期終了、データ拡張などの手法が用いられる。同じベンチマークに合わせてモデルやシステムを繰り返し調整し、そのベンチマークにだけ適合してしまう現象も過学習と呼ばれる。