کم‌برازش چیست؟

روشی در یادگیری ماشین که در آن مدل بدون برچسبِ از پیش‌داده‌شده، خودِ ساختار و الگوهای نهفته در داده مانند گروه‌ها یا خوشه‌ها را کشف می‌کند.

افزایش ابعاد پیکسلیِ یک تصویر یا ویدیو، که در نسخه‌های هوشمندِ آن جزئیات تازه برای حفظ وضوح ساخته می‌شود.

بخشی از داده که در حین توسعه برای تنظیم تنظیمات مدل و انتخاب بهترین نسخه به‌کار می‌رود، جدا از داده‌ای که مدل با آن آموزش می‌بیند.

مشکلی در شبکه‌های عمیق که در آن گرادیان‌ها هنگام پس‌انتشار به‌قدری کوچک می‌شوند که لایه‌های ابتدایی عملاً آموزش نمی‌بینند.

میزانی که نشان می‌دهد پیش‌بینی‌های یک مدلِ یادگیری ماشین چقدر به مجموعهٔ آموزشیِ خاصی که دیده وابسته است؛ واریانسِ بالا یعنی مدل به نویزِ داده‌های آموزشی بیش‌ازحد واکنش نشان می‌دهد و روی داده‌های جدید ناپایدار می‌شود.

مدلی مولد که داده را به یک توزیع احتمالاتی در فضایی فشرده می‌فشرد و سپس از نمونه‌برداری از آن توزیع، داده‌های تازه بازسازی می‌کند.