1. Fogalom magyarul: túltanulás        

2. Fogalom angolul: overfitting

3. Meghatározás:

A túltanulás egy olyan jelenség a gépi tanulásban, amely akkor fordul elő, amikor a modell túl jól illeszkedik a tanító adathalmazon található adatokhoz, de nem képes általánosítani az új, ismeretlen adatokra. Ez azt jelenti, hogy a modell megtanulja az adatok zaját és specifikus mintáit, ahelyett, hogy az alapvető trendeket és összefüggéseket sajátítaná el. A modell a tanító adathalmazon lévő adatpontokhoz túlzottan alkalmazkodik (tanító halmazon a modell pontossága magas), így képes lehet a tanító adatok hibáit vagy zaját is „megtanulni”. Ennek következtében a modell teljesítménye romlik (teszt halmazon jelentős a teljesítménycsökkenés), amikor új adatokkal találkozik, azaz a modell nem képes általánosítani. A túltanulás gyakran összefügg a modell komplexitásával; bonyolultabb modellek (pl. mély neurális hálók) hajlamosabbak a túltanulásra, mivel több paraméterrel rendelkeznek, amelyek lehetővé teszik számukra, hogy részletesebben illeszkedjenek a tanító adatokhoz. A túltanulás megelőzése érdekében különböző technikákat dolgoztak ki, mint az adat augmentálás (adatbővítés), keresztvalidáció és regularizáció. Az adatbővítésnél új adatok generálásával vagy meglévő adatok variálásával csökkentik a túltanulás kockázatát. Keresztvalidációnál a modellek teljesítményének értékelését különböző adat részhalmazokon végzik, amellyel szintén csökkenthetik a túltanulás kockázatát. Regularizációnál pedig a tanítás közben alkalmaznak olyan technikákat, amelyek büntetik a túl komplex modelleket.

4. Hivatkozások:

What is Overfitting? https://aws.amazon.com/what-is/overfitting

5. Megjegyzések:

6. Kulcsszavak: gépi tanulás, keresztvalidáció, regularizáció