과적합

정의

모델이 학습 자료에만 너무 맞춰져, 새로운 자료에는 오히려 성능이 떨어지는 문제.

자세한 설명

모델이 학습에 쓴 자료에만 지나치게 맞춰져, 새로운 자료를 만나면 오히려 성능이 떨어지는 문제입니다. 시험 문제의 답만 통째로 외워 비슷한 다른 문제에는 약한 경우와 비슷하게, 학습 자료에서는 점수가 매우 높지만 처음 보는 자료에는 잘 맞히지 못합니다. 학습 자료가 너무 적거나 한쪽으로 치우쳐 있을 때 특히 자주 생기며, 시간이 지나며 성능이 서서히 떨어지는 모델 드리프트와는 원인이 다릅니다. 학습에 쓰지 않은 새로운 자료로도 결과를 따로 시험해 봐야 이 문제를 알아챌 수 있습니다.

예를 들면

특정 매장 사진으로만 학습한 불량 검사 모델이 다른 매장에서는 잘 못 맞히는 경우입니다.

관련 용어