Для борьбы с переобучением модели можно использовать следующие методы:

• Регуляризация. 14 К основной функции потерь добавляются дополнительные компоненты для «штрафа» за избыточную сложность модели. 1 Примеры регуляризации — L1 и L2. 1
• Увеличение набора данных. 1 Больше данных часто означает большую генерализацию. 1
• Прореживание (Dropout). 1 Во время обучения некоторые нейроны в нейросети «отключаются» случайным образом, заставляя модель стать менее зависимой от конкретных связей. 1
• Кросс-валидация. 1 Данные разбивают на несколько подмножеств и обучают модель на разных комбинациях этих подмножеств. 1
• Ранняя остановка. 1 Если во время обучения производительность на валидационных данных начинает ухудшаться, хотя на обучающих данных всё идёт хорошо, возможно, пришло время остановить обучение. 1

Выбор метода зависит от предназначения модели, поэтому стоит учитывать её специфику.