---
title: "二重降下現象とは？（Double Descent）【G検定対策】"
description: "二重降下現象を、モデル容量が増えると誤差が一度悪化した後に再び改善する現象として整理します。過学習との関係、近年の深層学習での意味をG検定向けに確認できます。本文では、基本定義、代表例、関連用語との違い、G検定で問われやすい観点まで短時間で復習できます。"
last_modified_at: "2026-05-15"
canonical_url: "https://stemtazoo.github.io/gk/double-descent/"
section: "gk"
---

## まず結論

二重降下現象（Double Descent）とは、**モデルの複雑さや学習の進行に応じて誤差が「下がる→上がる→再び下がる」挙動を示す現象**で、G検定では「深層学習特有の現象であり、単純なモデルでは起きない」ことを見抜けるかが問われる。

## 直感的な説明

普通は、

* モデルを複雑にするほど誤差は下がる

と考えがちです。

しかし二重降下現象では、

1. モデルがまだ小さい → 誤差が下がる
2. モデルが中途半端に大きい → **誤差が一度悪化**
3. モデルが非常に大きい → **再び誤差が下がる**

という、

> 下がる → 上がる → 下がる

という**2回目の降下**が起こります。

## 定義・仕組み

二重降下現象は、

* モデルの表現能力
* パラメータ数
* 学習データ量

のバランスが変化することで発生します。

特に、

* パラメータ数がデータ数と同程度になる付近

で、

* 過学習が強くなり
* 一時的に汎化性能が悪化

します。

しかし、さらにモデルを大きくすると、

* 最適化が進み
* 汎化性能が改善

することがあります。

## いつ使う？（得意・不得意）

### 発生し得るモデル

* 深層ニューラルネットワーク
* CNN
* Transformer
* ResNet などの深いモデル

### 発生しないモデル

* **単純パーセプトロン**
* 極めて小規模な線形モデル

## G検定ひっかけポイント

G検定では、

> 「どのモデルで起きないか」

を問われることが多いです。

### よくある誤解

* ResNetは二重降下を防ぐ → ✕
* CNNでは起きない → ✕

### 正誤を切る判断基準

* **深層学習モデルか？** → 起きうる
* **単層・単純モデルか？** → 起きない

選択肢に

> 「単純パーセプトロン」

があれば、それが**最も不適切**な選択肢になります。

## まとめ（試験直前用）

* 二重降下現象は誤差が二度下がる現象
* 深層学習モデル特有
* モデルが大きくなる途中で一度悪化
* CNN・Transformer・ResNetでも起きうる
* 単純パーセプトロンでは起きない