Η υπερεκπαίδευση συμβαίνει όταν ένα μοντέλο μαθαίνει τόσο καλά τα δεδομένα εκπαίδευσης, που “κολλάει” σε αυτά και δεν μπορεί να γενικεύσει σωστά σε νέα δεδομένα. Αυτό οδηγεί σε χαμηλή απόδοση σε πραγματικές εφαρμογές.