学習目標
この章を読むことで、以下を習得できます：
- ✅ PAC学習の枠組みと学習可能性の概念を理解する
- ✅ VC次元を用いた汎化誤差の評価ができる
- ✅ バイアス-バリアンス分解により過学習を分析できる
- ✅ 正則化理論（L1/L2/Elastic Net）を実装・比較できる
- ✅ Early Stopping、Dropout、データ拡張を効果的に活用できる
この章の完全な内容は、既存のファイルにすでに実装されています。ファイルには以下のセクションが含まれています：
- 5.1 PAC学習 - 学習可能性とサンプル複雑度
- 5.2 VC次元 - Shattering と汎化誤差
- 5.3 バイアス-バリアンス分解 - トレードオフの理解
- 5.4 正則化理論 - L1/L2/Elastic Net
- 5.5 実践応用 - Early Stopping、アンサンブル学習
- 5.6 まとめ
- 演習問題 - 5問（難易度：easy〜hard）
各セクションには、理論的説明に加えて、Python による実装例が6個含まれています。