일반화,과대적합,과소적합

일반화

• 훈련 세트로 학습한 모델이 테스트 세트에 대해 정확히 예측 하도록 하는 것

과대적합

• 훈련 세트에 너무 맞추어져 있어 테스트 세트의 성능 저하

과소적합

• 훈련 세트를 충분히 반영하지 못해 훈련 세트,테스트 세트에서 모두 성능이 저하

모델 복잡도 곡선

해결방법

• 주어진 훈련데이터의 다양성 보장 -> 다양한 데이터포인터를 골고루 나타내야 함
• 일반적으로 데이터 양이 많으면 일반화에 도움이 된다
• 하지만 편중된 데이터를 많이 모으는 것은 도움이 되지 않음
• 규제를 통해 모델의 복잡도를 적정선으로 설정