过拟合
模型拟合的是训练数据本身，而非其背后的规律。
概览
过拟合是指模型对训练集学得足够好，以至于其在训练集上的表现不再能预测它在其他任何数据上的表现。它解决不了任何问题；它是对一个灵活模型在有限样本上进行优化时的默认结果。它的存在正是正则化、留出数据和早停法存在的原因，也是为什么在几百个样本上做一次微调，反而可能让模型在本已擅长的任务上表现变差。
技术图谱
过拟合 如何与技术栈的其他部分相连。
应用于
- Dropout technique Techniques Dropout solves 过拟合 High ✓ source
- Regularization concept Algorithms Regularization solves 过拟合 High ✓ source
Classification
- Fine-tuning technique Techniques 过拟合 part of Fine-tuning High ✓ source