Aşırı uydurma, bir modelin aşırı derecede karmaşık olduğu ve eğitim verilerine çok yakın olduğu ve yeni veriler üzerinde kötü performans göstermesine neden olduğu makine öğreniminde yaygın bir sorundur. Bu, model yalnızca verilerdeki sinyali (desenleri) değil, aynı zamanda eğitim verilerindeki gürültüyü (rastgele dalgalanmalar) öğrendiğinde gerçekleşir. Aşırı uyum, çok fazla özellik kullanmak, üzerinde eğitilecek çok az örneğe sahip olmak veya bir modeli çok uzun süre eğitmek gibi çeşitli faktörlerden kaynaklanabilir. Düzenlileştirme, erken durdurma veya eğitim verisi miktarını artırma gibi teknikler kullanarak fazla uyumu önlemek önemlidir.
Yayın tarihi: