이전 글에서 과적합이 무엇인지 살펴봤어요.이번엔 왜 생기는지, 그리고 어떻게 막는지를 알아볼게요.이전 글: 과적합 (Overfitting) vs 일반화 (Generalization) 과적합이 일어나는 3가지 이유원인 01데이터가 너무 적을 때몇 안 되는 사례를 전부라고 믿어버려요."내가 본 고양이는 다 흰색이야. 고양이는 무조건 흰색이야!" 원인 02모델이 너무 복잡할 때단순한 직선으로 그려야 할 규칙을, 억지로 모든 점을 지나도록 구불구불하게 그릴 때 발생해요.꼭 필요한 것 이상으로 복잡하게 맞추려는 것원인 03너무 오래 학습했을 때적당히 배우고 멈춰야 하는데, 끝까지 파고들다 보면 정답지의 오타까지 외워버려요.오타도 '규칙'이라고 믿어버린 상태 과적합을 막는 3가지 방법방법 01 · Valid..

AI 모델이 얼마나 '똑똑하게' 학습했는지 판단하는 가장 중요한 기준이에요.둘의 차이를 알면 왜 학습이 까다로운지 바로 이해돼요. 과적합 vs 일반화피해야 할 상태과적합 (Overfitting)비유 문제집 답안지를 통째로 외워버린 학생상황 원리를 이해하는 대신, 문제집의 숫자와 정답 순서까지 전부 암기한 상태결과 학습 데이터 → 100점 / 새로운 데이터 → 0점노이즈(잡음)나 우연히 맞은 케이스까지 전부 규칙이라고 믿어버린 상태예요. 목표 상태일반화 (Generalization)비유 어떤 문제든 응용해서 풀 수 있는 학생상황 문제의 핵심 원리를 파악해서, 처음 보는 문제도 풀 수 있는 능력을 키운 상태결과 학습 데이터 → 적절히 높은 점수 / 새로운 데이터 → 안정적으로 높은 ..