В машинном обучении, оверфиттинг — это явление когда при построении алгоритма классификации получается такой алгоритм, который слишком хорошо работает на тестовых примерах, но достаточно плохо работает вообще. Это связано с тем, что при построении такого алгоритма (или как принято говорить в машинном обучении 'в процессе обучения') в тестовых примерах обнаруживаются некоторые случайные закономерности, которые не имеют никакого отношения к действительности.
В машинном обучении, оверфиттинг — это явление когда при построении алгоритма классификации получается такой алгоритм, который слишком хорошо работает на тестовых примерах, но достаточно плохо работает вообще. Это связано с тем, что при построении такого алгоритма (или как принято говорить в машинном обучении 'в процессе обучения') в тестовых примерах обнаруживаются некоторые случайные закономерности, которые не имеют никакого отношения к действительности. Способы борьбы с оверфиттингом зависят от метода построения алгоритма классификации. Например, если строится дерево принятия решений, то можно обрезать некоторые его ветки в процессе построения.