Overfitting

/ˌoʊvərˈfɪtɪŋ/

Overfitting: Quando un modello apprende i dati di training troppo bene, incluso il rumore, risultando in scarsa generalizzazione su nuovi dati. L'overfitting si verifica quando i modelli sono troppo complessi rispetto alla dimensione dei dati di training. Le soluzioni includono regolarizzazione, dropout, early stopping e data augmentation.

In English: OverfittingLegge V · Overfitting, bias e collasso dei modelliConfronto: Regolarizzazione L1 e L2: differenze e quando usarle

L'overfitting si verifica quando i modelli sono troppo complessi rispetto alla dimensione dei dati di training. Le soluzioni includono regolarizzazione, dropout, early stopping e data augmentation. Cruciale trovare il bilancio tra underfitting e overfitting.

Esempi

  • Decision tree che memorizza tutti gli esempi
  • Rete neurale con troppi parametri
  • Modello con 100% su training ma 60% su test