В процессе обучения нейросети вы можете допустить ошибки при разделении данных на тренировочные и проверочные. Из-за этого возникнет вероятность того, что модель слишком остро среагирует на сложные связи между входом и выходом. В результате вы получите очень неточную в прогнозах нейронную сеть, которая будет далека от внедрения в реальные рабочие процессы. Поздравляем, вы перетренировали модель. Как и в случае с мышцами, это не есть хорошо. Разбираемся в причинах этого явления и рассказываем, как его избежать...

Переобучение (или overfitting) в нейронных сетях — это важная проблема, с которой сталкиваются исследователи и разработчики при работе с глубоким обучением. Давайте рассмотрим это явление более подробно. Что такое переобучение в нейронных сетях? Переобучение возникает, когда модель нейронной сети обучается на тренировочных данных слишком интенсивно и начинает выражать шум или случайные вариации, которые не имеют отношения к реальным данным...