Проблема перенавчання в машинному навчанні та методи її запобігання

Abstract

У роботі досліджується проблема перенавчання в машинному навчанні та сучасні методи його запобігання, зокрема регуляризація, dropout, крос-валідація та рання зупинка. Основну увагу приділено мінімаксній апроксимації як засобу підвищення стабільності моделей. Проведено експерименти на синтетичних і реальних даних, що продемонстрували зменшення ризику перенавчання та покращення здатності моделей до узагальнення.

This paper explores the problem of overfitting in machine learning and modern methods for its prevention, including regularization, dropout, cross-validation, and early stopping. Special attention is given to minimax approximation as a way to improve model stability. Experiments on synthetic and real datasets demonstrate a reduced risk of overfitting and improved generalization performance.