심층 학습 모델이 과적합(훈련 데이터에는 적합하지만 새로운 데이터에는 부적합)되었습니다. 새로운 데이터에 대한 일반화 성능을 향상시키려면 어떤 조치를 취해야 할까요?

과적합은 모델이 훈련 데이터의 노이즈까지 학습하여 새로운 데이터에 대한 예측 성능이 떨어지는 현상입니다. 훈련 데이터세트의 크기를 늘리면 모델이 더 다양한 패턴을 학습하여 일반화 능력이 향상됩니다. 입력 피처의 수를 줄이면 모델의 복잡도가 감소하여 과적합을 방지하는 데 도움이 됩니다. 반대로, 훈련 데이터세트 크기를 줄이거나 입력 피처 수를 늘리면 모델이 훈련 데이터에 더 쉽게 과적합될 수 있습니다.