Een bedrijf heeft een model gebouwd om artikelprijzen te voorspellen. Het model presteerde goed op de trainingsdata, maar de prestaties daalden aanzienlijk na implementatie. Wat moet het bedrijf doen om dit probleem aan te pakken?

Het model presteert goed op de trainingsdata, maar slecht in de praktijk, wat duidt op overfitting. Dit betekent dat het model te specifiek is geworden voor de trainingsdata en niet goed generaliseert naar nieuwe, ongeziene data. Het vergroten van de hoeveelheid trainingsdata helpt het model om robuustere patronen te leren en minder gevoelig te zijn voor ruis in de trainingsset, waardoor de generalisatie verbetert. Het verminderen van de trainingsdata zou overfitting waarschijnlijk verergeren. Het toevoegen van extra hyperparameters kan het model complexer maken en de kans op overfitting vergroten, tenzij zorgvuldig afgestemd. Het verlengen van de trainingstijd kan ook leiden tot meer overfitting als het model al te complex is voor de beschikbare data.