Grundlæggende maskinlæring
Når en model lærer sine træningseksempler udenad, inklusive tilfældig støj, og derefter klarer sig dårligt på nye tilfælde.
Formelt
En fejl i modeltræningen, hvor en model tilpasser sig træningsdata for tæt, så den scorer godt på de data, men dårligt på nye; opdages ved at teste på data, der er holdt uden for træningen.
Forklaret enkelt
Som en studerende, der lærer sidste års eksamenssvar udenad ord for ord og så dumper, når spørgsmålene er en smule ændret.
I praksis
En pensionskasses svindelmodel finder næsten alle falske anmeldelser blandt de sager, den er trænet på, men overser det meste rigtige svindel i drift, fordi den har lært detaljer, der kun fandtes i de gamle sager.
Hvorfor det betyder noget
Det får en model til at se bedre ud på papiret end i virkeligheden, og en model, der har lært eksempler udenad, kan senere gentage private oplysninger fra sine træningsdata.