인공지능 - 과적합, 과소적합

과적합(Overfitting)

 

분류 모델이 훈련 데이터의 각 샘플만을 과하게 학습해서 테스트 데이터에서 오차가 커지는 현상이다.

 

과적합이 발생 되면, 테스트 데이터에 대해서 정확도가 100%에 가깝게 수렴하지만 새로운 데이터에 대해서는 분류 성능이 현저히 떨어진다.

 

 

과적합을 해결하는 방법

 

검증 데이터 비율을 두어서 검증 데이터의 정확성이 떨어지기 전 학습을 조기에 종료한다.

 

(Dropout, Batch Normalization 등의 방법을 모델에 추가하여 과적합의 위험을 줄일 수도 있다.)

 

 

 

과소적합(Underfitting)

 

훈련 데이터에 대해 학습이 부족하여 훈련, 테스트 데이터 모두에서 오차가 크게 나오는 현상이다.

 

 

과소 적합을 해결하는 방법

 

충분히 일반화 시킬 수 있을 정도로 학습을 진행한다.