Underfitting, Overfitting ও Regularization

Underfitting মানে মডেল এত সরল যে training ডেটাতেও প্যাটার্ন ধরতে পারে না; overfitting মানে মডেল training ডেটার noise পর্যন্ত মুখস্থ করে, ফলে নতুন ডেটায় খারাপ করে। চিহ্ন: training error কম কিন্তু validation error অনেক বেশি। এই পাঠে একই noisy ডেটায় তিনটি মডেল—ধ্রুবক, রৈখিক ও “মুখস্থ টেবিল”—তুলনা করব, তারপর L2 regularization (loss-এ λ‖w‖² যোগ) দিয়ে অতিরিক্ত weight-কে শাস্তি দেওয়ার কৌশল দেখব।