훈련·검증 성능이 둘 다 낮은 경우와 격차가 큰 경우는 어떤 개선을 각각 먼저 검토하나요?

꼬리 질문을 독립 문항으로 확장했습니다. 원래 문항에서 맥락 보기 →

잠깐, 답변을 보기 전에
먼저 내 말로 설명해 볼까요?

답변과 점검 포인트 펼치기답변 접기

구두 답변

정의를 외우기보다, 원리와 조건을 연결해 설명해 보세요.

훈련·검증이 모두 낮으면 표현력·특징·최적화·라벨 문제를 의심하고, 훈련은 높고 검증이 낮으면 과적합·누출·분포 차이를 구분합니다. 곡선만으로 원인 하나를 확정하지 않습니다.

모델 크기·데이터·정규화·early stopping을 하나씩 비교합니다. 정확도와 손실의 방향을 혼동하지 않고 유형별 오류와 기준선을 확인합니다. 더 오래 학습하는 것이 항상 해결책은 아닙니다.

이해가 드러나는 지점을 확인해 보세요.

훈련·검증이 모두 낮으면 표현력·특징·최적화·라벨 문제를 의심하고, 훈련은 높고 검증이 낮으면 과적합·누출·분포 차이를 구분합니다. 곡선만으로 원인 하나를 확정하지 않습니다.
더 오래 학습하는 것이 항상 해결책은 아닙니다.

놓치기 쉬운 조건과 오해를 짚어 보세요.

다음 핵심 구분을 반대로 설명하거나 성립 조건을 생략한다: 훈련·검증이 모두 낮으면 표현력·특징·최적화·라벨 문제를 의심하고, 훈련은 높고 검증이 낮으면 과적합·누출·분포 차이를 구분합니다.

하나 더 질문하며 이해의 범위를 넓혀 보세요.

득점·감점 포인트는 학습용 자기 점검 기준이며, 특정 회사의 실제 채점표가 아닙니다.

답변을 보충하는 개념·예제·슈도코드를 읽어 보세요.