الضبط الزائد (Overfitting) هو مشكلة في تدريب النماذج حيث يتعلم النموذج تفاصيل وضوضاء البيانات التدريبية (Noise) بشكل مفرط لدرجة تجعله يحقق أداءً عاليًا على بيانات التدريب لكنه يفشل في التعميم (Generalization) عند مواجهة بيانات جديدة. يحدث ذلك عادة عندما يكون النموذج معقدًا جدًا مقارنة بحجم أو تنوع البيانات المتاحة. للتقليل من هذه المشكلة تُستخدم تقنيات مثل تقسيم البيانات(Train/Test Split أو Cross-Validation)، التنظيم Regularization (L1/L2)، التقليل من تعقيد النموذج،Dropout في الشبكات العصبية، أو زيادة البيانات (Data Augmentation). مثال: نموذج يتنبأ بدرجات الطلاب بدقة عالية على بيانات التدريب، لكن يفشل على بيانات من مدرسة أخرى.
ا.م.د. علاء طعيمة عبد الكاظم
أستاذ مساعد دكتور في الذكاء الاصطناعي والتعلم العميق