Hvad er overfitting?

Overfitting opstår når AI-modeller lærer træningsdata så godt, at de memorerer specifikke detaljer frem for generelle mønstre, hvilket reducerer ydeevne på nye data.

At forstå og forebygge overfitting har til formål at skabe AI-modeller, der kan generalisere godt til nye situationer frem for kun at fungere på træningsdata.

Overfitting kan forebygges gennem teknikker som regularization, dropout, early stopping og cross-validation under træning.

En billedklassifikator der kan genkende træningsbilleder perfekt, men fejler på nye billeder af samme objekter taget fra andre vinkler.

Overfitting er relateret til generalization, regularization og model validation.