Odborné vysvětlení: Přeučení nastává, když model příliš dobře odpovídá tréninkovým datům, včetně jejich šumu a náhodných fluktuací. Takový model má nízkou chybu na tréninkovém datasetu, ale vysokou chybu na nových, neviděných datech, což indikuje špatnou generalizaci.
Vysvětlení pro laiky: Přeučení je jako když se student naučí nazpaměť všechny příklady z učebnice, ale neumí řešit nové, podobné úlohy. Počítač se naučí tréninková data tak dobře, že ztrácí schopnost správně reagovat na nové situace. Je to, jako by se naučil jen konkrétní případy, ale nepochopil obecné pravidlo.
Overfitting occurs when a model corresponds too closely to training data, including its noise and random fluctuations. Such a model has low error on the training dataset but high error on new, unseen data, indicating poor generalization.
