Overfitting이란?
모델이 학습 데이터의 노이즈까지 외워버려 일반화 성능이 떨어진다.
증상
- Train loss↓, Validation loss↑
- 학습 정확도 99%, 실제 성능 50%
대책
더 많은 데이터, Dropout, L1/L2 정규화, Early Stopping, Data Augmentation.
Overfitting란?
정의
학습 데이터에 과도하게 맞춰져 새 데이터에서 성능이 떨어지는 현상.
다른 표현과적합
🔗 함께 보면 좋은 용어
AI 전체 →멀티 에이전트 오케스트레이션
Supervisor·Hierarchy·Network 패턴으로 여러 에이전트 조율.
청킹 전략 상세
고정·문장·계층·의미론적·Agentic 청킹. RAG 품질의 결정.
추론 지연 최적화
TTFT·TPS·Batching·KV Cache·Speculative·Quantization 조합.
A2A
Agent-to-Agent Protocol
에이전트 간 통신 표준. Google이 제안. MCP와 상호 보완.
Accuracy
전체 예측 중 맞춘 비율. 클래스 불균형 시 오해를 유발할 수 있음.
Activation Function
신경망 뉴런의 비선형 변환. ReLU·GELU·Sigmoid·Tanh.