Vad är
Överanpassning (overfitting)?

Överanpassning, på engelska overfitting, är när en AI-modell lär sig sin träningsdata för bra, nästan som att plugga in facit utantill. Modellen får då toppresultat på det den har sett men fungerar dåligt på nya, okända exempel.

Tänk dig en elev som lär sig förra årets prov utantill men inte förstår ämnet. Samma sak händer när en modell får för lite eller för enahanda data, eller tränas för länge. Man upptäcker det genom att testa på data modellen aldrig sett, se modellutvärdering. Vanliga botemedel är mer varierad data, enklare modeller och att avbryta träningen i tid. Begreppet hänger ihop med övervakad inlärning och finjustering, där risken är extra stor när du tränar på en liten datamängd.