Fitting(적합)은 머신러닝/딥러닝 모델이 주어진 데이터에 얼마나 잘 들어맞는지를 나타내는 개념이다. 모델의 성능은 훈련 데이터뿐만 아니라 새로운 데이터(테스트 데이터)에 대한 일반화 능력을 기준으로 평가되어야 한다.
모델이 훈련 데이터에 잘 학습되었을 뿐만 아니라, 새로운 테스트 데이터에도 높은 성능을 유지하는 상태이다. 이는 모델이 과적합도 과소적합도 아닌 일반화에 최적화된 상태이다.
모델이 훈련 데이터에서도 성능이 낮고, 테스트 데이터에서도 마찬가지로 성능이 좋지 않은 상태이다. 이는 모델이 지나치게 단순하여 데이터의 패턴을 충분히 학습하지 못한 경우에 해당한다.
해결 방법:
모델이 훈련 데이터에 지나치게 잘 맞아서, 테스트 데이터에서는 성능이 급격히 떨어지는 상태이다. 모델이 노이즈나 예외적인 패턴까지 학습해버려 일반화 능력이 낮아지는 경우이다.
해결 방법: