Firma stworzyła model do przewidywania cen produktów. Model dobrze radził sobie z danymi treningowymi, ale jego wydajność znacznie spadła po wdrożeniu. Co firma powinna zrobić, aby rozwiązać ten problem?

Problem, w którym model dobrze radzi sobie z danymi treningowymi, ale słabo z nowymi danymi, jest klasycznym przykładem przetrenowania (overfittingu). Zwiększenie ilości danych treningowych pomaga modelowi nauczyć się bardziej ogólnych wzorców, zmniejszając jego tendencję do zapamiętywania szumu z danych treningowych. Zmniejszenie ilości danych treningowych pogorszyłoby problem. Dodanie hiperparametrów mogłoby zwiększyć złożoność modelu, potencjalnie pogłębiając przetrenowanie. Zwiększenie czasu trenowania modelu, jeśli model jest już przetrenowany, również mogłoby pogorszyć sytuację, prowadząc do dalszego dopasowania do szumu w danych treningowych.