Overfitting, Data augmentation

해당 게시물은 "혁펜하임의 AI DEEP DIVE"를 수강하고 작성되었습니다.

---

https://www.freecodecamp.org/news/what-is-overfitting-machine-learning/

 

층을 깊게 쌓아 loss 함수를 꼬불꼬불하게 만들면 training data에 대해서는 성능이 좋지만, 보지 못한 데이터가 들어왔을 때 (Test data)는 잘 맞추지 못하게 된다.

 

이를 어떻게 해결할까? 

1. 모델이 다시 입력, 출력관의 관계를 단순하게 생각하도록 한다. (Dropout)
2. Data Augmentation

Data Augmentation은 학습 데이터가 너무 적어서 생기는 overfitting 문제를 해결해준다.

 

Data Augmentation은 데이터를 변조, 변형시켜서 데이터 우려먹기가 가능하다!