شبکه عصبی‌ای overfit است که نمودار validation loss آن صعودی شده باشد. به این معنا که شبکه عصبی، داده های یادگیری را به خوبی شناخته است اما بر روی داده های ارزیابی نتیجه خوبی ندارد. در این مقاله به علت‌های این پدیده و نحوه مواجهه به آن‌ها می‌پردازیم.
یک شبکه عصبی underfit است وقتی که هنوز نتوانسته به خوبی داده‌ها را یاد بگیرید. این پدیده به چند علت ممکن است رخ داده باشد. در این مقاله به این علت‌ها و نحوه مواجهه به آن‌ها می‌پردازیم.
پرسپترون چند لایه، ساده‌ترین شبکه عصبی عمیق است. در این شبکه عصبی، لایه‌های Dense به صورت متوالی در پشت سر هم قرار می‌گیرند، در این مقاله نحوه ساخت و استفاده از یک شبکه عصبی برای دسته بندی دوتایی (Binary Classification) توضیح داده می‌شود.
معمولا مجموعه‌داده‌های یادگیری ماشینی، دارای داده‌های خام هستند. در این مجموعه‌داده‌ها، داده‌های رشته‌ای و عددی در کنار هم هستند. برخی از این داده‌ها، اطلاعات مفیدی ندارند. برخی دیگر، مقیاس‌های متفاوتی دارند. وجود این‌گونه مسائل، باعث می‌شود که قبل از استفاده از داده‌های خام، آن‌ها را پیش پردازش کنیم تا به فرمت مناسب برای الگوریتم‌های یادگیری ماشینی در بیایند. هرچند پیش‌پردازش داده‌ها بحث مفصلی است و نیاز به مطالعه و تمرین زیادی دارد، اما نکاتی که در این مقاله گفته می‌شود برای اکثر کاربرد‌ها، کافی است.