Переобучение нейронной сети

• Что такое переобучение
• Из-за чего оно появляется
• Основные способы борьбы с переобучением
• Привести пример графика переобучения

Переобучение нейронной сети это падение точности предсказания нейросети на проверочной выборке при увеличении точности или ее стабилизация на обучающем наборе данных.  Переобучение может появиться по нижеследующим причинам:

1. Много эпох обучения
2. Сложная или неоптимальная архитектура сети
3. Маленькая или несбалансированная база
4. Некачественная база

Основные методы решения проблемы переобучения это:

1. Работа с базой
2. Подбор оптимальной архитектуры нейросети
3. Добавление слоев регуляризации Dropout() и нормализации BatchNormalization() из библиотеки Keras
4. Нахождение оптимального количества эпох обучения