Overfit

ریشهٔ این عبارت از علم آمار و رگرسیون است. Overfitting‌ یا بیش‌برازش¹ زمانی اتفاق می‌افتد که حین ساختن مدل بر اساس داده‌های ورودی، بیش از اندازه به ورودی‌ها بها بدهیم و مدل را ۱۰۰٪ با آن‌ها سازگار کنیم. مدل‌های Overfitشده نتایج فوق‌العاده‌ای در فاز آموزش می‌گیرند؛ اما با ورود داده‌ها و پرسش‌های جدید ضعفشان آشکار می‌شود. درست مثل کسانی که درس‌ها را فقط حفظ می‌کنند.

برای جلوگیری از بیش‌برازش مدل خروجی، بهتر است که ورودی‌ها تا جای ممکن متنوع باشند.

Footnotes

1. مصدر برازیدن به معنی شایسته بودن و نیکو بودن است. (قبای حسن فروشی ترا برازد و بس
   که همچو گل همه آئین رنگ و بو داری) بیش‌برازش یعنی شایستگی و نیکویی بیش از حد. ↩