[AI박사과정과제] 과적합 레포트

Oct 4. 2025

과적합(Overfitting)은 머신러닝에서 모델이 학습 데이터에 너무 지나치게 맞추어진 상태를 말합니다. 즉, 학습 데이터에서는 아주 성능이 뛰어나지만, 실제로는 보지 못한 새로운 데이터에는 성능이 크게 떨어지는 현상입니다.aws.amazon+4

쉬운 비유로 이해하기

시험 공부를 예로 들면: 족보(기출문제)만 완벽하게 외운 학생이, 실제 시험에서 전혀 새로운 문제를 만나면 답을 잘 못하는 경우와 비슷합니다.ai-inform.tistory+1

모델이 학습 데이터의 노이즈나 특이한 부분까지 외워버려서, 진짜로 알아야 할 일반적인 패턴을 제대로 배우지 못한 상태입니다.j-ho+1

학습 데이터에 대해서만 아주 높은 정확도를 보입니다.aws.amazon+1

테스트(새로운) 데이터에서는 예측력이 떨어집니다.wikidocs+1

데이터가 너무 적거나, 모델이 너무 복잡할 때 자주 발생합니다.wikidocs+1

머신러닝의 목적은 '본 적 없는 데이터'에 대해 잘 맞추는 것(일반화)인데, 과적합이 되면 이 일반화 능력이 크게 떨어집니다.ai-inform.tistory+1

데이터를 더 많이 모으기

모델을 단순하게 만들기(복잡도 줄이기)

정규화(regularization) 같은 기법 사용하기box-world.tistory+1

검증 데이터, 교차 검증 등으로 여러 데이터에 대해 반복적으로 성능 확인하기wikidocs+1

과적합은 흔히 겪는 문제이지만, 머신러닝의 성능을 높이기 위해 반드시 해결해야 하는 중요한 개념입니다.j-ho+2

keyword

멤버쉽

션샤인 소속 에코나인

<ESG 코드> 출간작가

제 삶의 화두는 "지속가능성" 입니다.