Переобучение, или overfitting, — это явление в машинном обучении, при котором модель слишком точно запоминает особенности обучающих данных. В результате она теряет способность обобщать и не справляется с новыми, незнакомыми примерами. Модель адаптируется к тренировочным данным, что мешает ей эффективно обрабатывать более разнообразные входные данные. Для борьбы с переобучением применяются различные методы, такие как регуляризация, dropout, ранняя остановка обучения, а также увеличение объема и разнообразия обучающей выборки. Управление переобучением является ключевым аспектом при создании эффективных машинных моделей.