Sobreajuste significa que um modelo decora seus exemplos de treinamento e se sai mal em casos novos.
Exemplo
Um modelo reconhece perfeitamente todas as fotos do treinamento, mas falha em fotos com outra iluminação.
Para profissionais
Dá para perceber quando o erro nos dados de teste sobe enquanto cai nos de treinamento. Soluções: mais dados e mais variados, regularização e parar o treinamento mais cedo. Benchmarks também podem sofrer “sobreajuste” quando as questões de teste vazam para os dados de treinamento.
