解答：
③ データ拡張
理由: データ拡張（Data Augmentation）は、既存のデータに対して様々な変換（例えば、回転、拡大・縮小、平行移動、フリップ、ノイズ追加など）を施すことでデータセットを増やす手法です。これにより、データ量の不足を補い、モデルがより多様なデータに対応できるようになり、過学習の防止に寄与します。
その他の選択肢について：
- L2正則化：モデルの重みに対してペナルティを課すことで過学習を防ぐ手法です。
- バッチ正規化：各ミニバッチごとにデータを正規化することで学習を安定させる手法です。
- ドロップアウト：ニューラルネットワークの学習時にランダムにノードを無効化することで過学習を防ぐ手法です。
