Over-parameterization

모델의 학습 가능한 파라미터 수가 학습 데이터의 샘플 수보다 훨씬 많은 상태를 의미한다. 고전 통계에서는 오버피팅을 유발하는 부정적 현상으로 간주되나, 현대 딥러닝에서는 특정 임계값을 넘으면 오히려 일반화 성능이 좋아지는 이중 하강 현상이 관찰된다.