Karmaşık modeller ezberler. Düzenleme (regularization) karmaşıklığı cezalandırır ve modeli daha iyi genelleme sağlayan daha basit çözümlere doğru iter. Aşırı uyum (overfitting) sorununa karşı en güvenilir araçlardan biridir.

L2 düzenlemesi, ağırlıkların karesiyle orantılı bir ceza ekleyerek onları sıfıra doğru küçültür. L1, mutlak değerleri cezalandırarak seyrekliği teşvik eder. Dropout, eğitim sırasında nöronları rastgele devre dışı bırakarak ağın sağlam olmasını sağlar. Erken durdurma, doğrulama kaybı iyileşmeyi bıraktığında eğitimi durdurur.

Yaygın düzenleme yöntemleri

• L1 ve L2 ağırlık cezaları
• Okulu bırakmış
• Erken durdurma
• Veri artırma
• Toplu normalleştirme

Aşırı düzenleme, yetersiz uyumlanmaya neden olur. Model, gerçek kalıpları yakalayamayacak kadar basit hale gelir. Gücü ayarlamak işin bir parçasıdır ve çapraz doğrulama genellikle seçime rehberlik eder.