기계 학습의 과잉 완성 기능 이해

과잉완전은 모델이나 기능 세트가 너무 복잡하고 필요한 것보다 더 많은 데이터 변형을 포착하는 상황을 나타냅니다. 즉, 모델이나 기능은 기본 패턴이 아닌 데이터의 노이즈를 맞출 수 있습니다. 모델이 훈련 데이터에 지나치게 특화되기 때문에 새 데이터에 대한 일반화 성능이 저하될 수 있습니다. . 예를 들어, 모델에 100개의 기능이 있지만 그 중 20개만 문제와 실제로 관련이 있는 경우 나머지 80개의 기능은 과잉 완성된 것으로 간주됩니다.