仮想環境において、計算資源のオーバーコミットに由来する仮想マシン(VM)の性能低下を防ぐことを目的として、VMのCPU使用率を予測しこれに基づいて制御を行う技術が知られている。VMとそこで実行されるアプリケーションは時々刻々と変化するため、環境の変化に合わせて予測モデルを継続的に学習/更新することで予測精度を担保する。ここで、大規模仮想環境における予測モデルの継続的な学習には多大な学習時間/資源を必要するため、適応が困難であった。そこで本研究では、環境の変化を監視/評価し、精度担保に必要と判断された場合のみ予測モデルの学習/更新を行うことで、学習時間/資源の削減を実現する手法を提案する。