Eğitim verilerinde %99, yeni verilerde ise %60 başarı oranı gösteren bir model yanlış ders çıkarmıştır. Aşırı uyum (overfitting), altta yatan kalıbı değil, gürültüyü ve tuhaflıkları ezberlemek anlamına gelir ve uygulamalı makine öğreniminde en yaygın başarısızlık türüdür.

Sinyalleri tespit etmek kolaydır. Eğitim kaybı düşerken doğrulama kaybı yükselir. Model, daha önce gördüğü örneklerde iyi performans gösterirken, diğer her şeyde kötü performans gösterir. Karmaşıklık, küçük veri kümeleri ve uzun eğitim süreleri riski artırır.

Ortak karşı önlemler

• Daha fazla eğitim verisi
• Ağırlık azalması gibi düzenleme yöntemleri
• Eğitim sırasında ayrılma
• Doğrulama kaybına dayalı erken durdurma
• Daha basit model mimarileri
• Veri artırma

Yetersiz uyum ise bunun tam tersi bir problemdir; model, deseni hiç yakalayamayacak kadar basittir. Amaç, modelin ezberlemeden genelleme yapabildiği orta noktadır.