Overfitting (과적합)
발생 이유 - 훈련 데이터가 부족하거나 실제(테스트) 데이터에는 존재하지만 훈련 데이터에 없을 경우 - 모델 파라미터가 너무 많을 경우 Overfitting (과대적합) 1) 개요 - 훈련 데이터에서는 잘 동작하지만 테스트 데이터에서는 잘못된 판단을 한다. - 분산이 크다고 할 수 있으며, 이는 모델이 복잡하기 때문이다. 2) 해결 - 훈련 데이터의 양을 늘린다. - 모델의 복잡도를 낮춘다. - 모델 훈련 중 early stopping (loss가 다시 상승하기 시작할 때) - 규제 사용 (Ridge, Lasso, etc) Underfitting (과소적합) 1) 개요 - 모델이 충분히 복잡하지 않아 훈련 데이터는 물론 테스트 데이터에서도 낮은 성능을 보여줄 수 있다. - 편향이 크다고 할 수 있다. 2..