مثال واقعی از Overfitting و Underfitting در تشخیص چهره (Face Recognition)

فرض کن داری یه مدل هوش مصنوعی می‌سازی که قراره چهره‌ی افراد رو برای باز کردن قفل گوشی تشخیص بده.

Underfitting
اگه مدل فقط به رنگ پوست و شکل کلی صورت نگاه کنه و جزئیات مثل فاصله‌ی چشم‌ها یا فرم بینی رو نادیده بگیره، ممکنه دو نفر با ظاهر کلی مشابه رو با هم اشتباه بگیره!
→ نتیجه: مدل نمی‌تونه افراد مختلف رو خوب تشخیص بده. حتی ممکنه قفل گوشی با صورت یکی دیگه هم باز شه! چون مدل خیلی ساده‌ست و الگوهای مهم رو نمی‌گیره.

Overfitting
حالا فرض کن مدل اون‌قدر روی عکس‌های خاص کاربر تمرکز کرده که حتی نور محیط، زاویه صورت و مدل مو رو هم به‌عنوان الگو یاد گرفته!
→ نتیجه: فقط وقتی گوشی رو دقیقاً همون‌طور بگیری که عکس آموزش‌داده‌شده بوده قفل باز می‌شه.
مثلاً اگه یه روز عینک بزنی یا نور اتاق فرق کنه، دیگه نمی‌شناسه‌ت! چون مدل بیش‌ازحد به جزئیات چسبیده.

تعادل مناسب:
یه مدل خوب باید بتونه ویژگی‌های اصلی چهره‌ی هر فرد رو یاد بگیره، اما در برابر تغییراتی مثل نور، زاویه یا مدل مو مقاوم باشه.

@misspython3