Prekomjerno opremanje je čest problem u strojnom učenju gdje je model pretjerano složen i previše odgovara podacima za obuku, što uzrokuje lošu izvedbu na novim podacima. To se događa kada model nauči ne samo signal (obrasce) u podacima, već i šum (nasumične fluktuacije) u podacima za obuku. Prekomjerno opremanje može se dogoditi zbog različitih čimbenika kao što je korištenje previše značajki, premalo primjera za vježbanje ili predugo treniranje modela. Važno je spriječiti prekomjerno opremanje korištenjem tehnika kao što su reguliranje, rano zaustavljanje ili povećanje količine podataka o vježbanju.
Datum objave: