Overfitting – Aşırı Uyum

Overfitting nedir?

Türkçesi: Aşırı Uyum

İngilizcesi: Overfitting

Türkçe Okunuşu: ovırfittin

İngilizce Okunuşu: ˈoʊvərˌfɪtɪŋ

Dilbilgisi: İsim, (makine öğrenimi terimi)

Köken: İngilizce “over” (aşırı) ve “fit” (uyum sağlamak) kelimelerinin birleşiminden türemiştir. “Over” burada gereğinden fazla anlamını taşırken, “fit” bir modelin veriye uyumunu ifade eder.

Alakalı Sözcükler: Underfitting, Regularization, Cross-Validation, Generalization, Training Set, Test Set

“Overfitting”, makine öğrenimi (machine learning) ve istatistikte bir modelin eğitim verisine gereğinden fazla uyum sağlaması, yani verinin hem genel eğilimlerini hem de rastlantısal hatalarını (gürültü) ezberlemesi durumudur. Bu durum, modelin eğitim verisinde çok yüksek doğruluk gösterirken, yeni ve görülmemiş verilerde düşük performans sergilemesine yol açar.

Genellikle fazla karmaşık modeller, çok sayıda parametre, yetersiz veri miktarı veya uygun düzenleme (regularization) tekniklerinin kullanılmaması sonucu ortaya çıkar. Overfitting’i önlemek için çapraz doğrulama (cross-validation), dropout, erken durdurma (early stopping) veya L1/L2 regularization gibi yöntemler tercih edilir.

Özellikle yapay zekâ, derin öğrenme ve tahminleme (prediction) projelerinde modelin genelleme kabiliyetini (generalization ability) test etmek için overfitting kontrolü büyük önem taşır. Amaç, modelin hem eğitim hem de test verilerinde dengeli ve tutarlı bir performans sergilemesidir.