Modellovertilpasning
Modellovertilpasning, ofte omtalt som overfitting, beskriver en situasjon der en statistisk eller maskinlæringsmodell tilpasser seg treningsdataene i detalj, inkludert støy og tilfeldigheter, slik at generalisering til nye data blir dårlig. Modellen oppnår høy nøyaktighet på treningssettet, men presterer betydelig svakere på test- eller evalueringsdata.
Årsaker inkluderer høy modellkapasitet i forhold til mengden og kvaliteten på data, kompleks alghoritme, mangelfull eller
Forebygging og tiltak inkluderer regulering (for eksempel L1- eller L2-regularisering), reduksjon av modellens kompleksitet, bruk av
Evaluering bør baseres på separate validerings- eller testsett og kryssvalidering for å estimere sann generalisering. Modellevaluering