Переобучение – это случай, когда значение Функции потери (Loss Function) действитеьно малó, но Модель (Model) Машинного обучения (ML) ненадежна. Это связано с тем, что модель «слишком много учится» на обучающем наборе данных. Когда мы входим в сферу ML, появляются двусмысленные термины: Переобучение, Недообучение (Underfitting) и Дилемма смещения-дисперсии (Bias-Variance Trade-off). Эти концепции лежат в основе Машинного обучения в целом. Почему нам вообще должно быть до этого дело? Возможно, модели машинного обучения преследуют одну единственную цель: хорошо обобщать...
*МО - это такая кроличья нора: даже что-то научившись делать, не факт, что всегда сможешь повторить в точности, даже узнав что-то важное, завтра обнаружишь, что гораздо больше важного ты ещё не знаешь, поэтому падать в неё можно всю жизнь* имхо Машинное обучение (machine learning, ML) - класс методов ИИ, характерной чертой которых является не прямое решение задачи, а обучение за счёт применения решений множества сходных задач. Соответственно, иску́сственный интелле́кт (artificial intelligence,...