thumb|326x326px|Wykres zmian błędu obliczonego na zbiorze uczącym w zależności od numeru epoki uczenia sieci. Nadmierne dopasowanie podczas tzw. uczenia nadzorowanego (np. w sieciach neuronowych). Błąd na zbiorze uczącym jest zaznaczony kolorem niebieskim, błąd na zbiorze walidacyjnym kolorem czerwonym. Jeśli błąd na zbiorze walidacyjnym rośnie, podczas gdy błąd na zbiorze uczącym maleje, to zwykle jest to związane ze zjawiskiem przeuczenia. Nadmierne dopasowanie () a. przeuczenie (branż. „przetrenowanie”, ) – efekt obserwowany np. w statystyce, gdy model statystyczny ma zbyt dużo parametrów w stosunku do rozmiaru próby, na podstawie której był konstruowany; w przypadku uczenia maszynowego modele o dużej złożoności mogą świetnie dopasować się do danych uczących, jednak będą dawały słabe wyniki, gdy zastosuje się je do danych, z którymi nie zetknęły się podczas uczenia.