ou overfitting.
Lors d'un calcul de coût d'une hypothèse, un coût nul ne signifie pas forcément que l'hypothèse est excellente. Cela peut plutôt paraître suspect et demande une vérification qu'il ne s'agit pas d'un cas d'overfitting (la fonction d'hypothèse couvre parfaitement les données connues mais ne correspondra probablement pas à de nouvelles données). Cela peut également être repéré en constatant que la fonction de validation croisée (cross-validation error) est bien supérieure (high variance) à celle de la fonction d'erreur et qu'elles convergent difficilement.
Dans un tel cas, cette correspondance abusive peut être corrigée en :
- réduisant le nombre de caractéristiques (`n` composantes de `x`) soit manuellement soit via un algorithme de sélection de modèle
- régularisant la magnitude des paramètres `θ_j` qui ne devraient avoir autant d'influence.
- Augmentant la quantité de données, ce qui forcera les fonction d'erreur à converger