Belirsiz sistemler yalnızca verilerden başka bir kısıtlama getirmezseniz yetersiz olarak tanımlanır. Örneğinize bağlı kalmak, 4 derecelik bir polinomu 4 veri noktasına takmak, verilerle sınırlandırılmamış bir serbestlik derecesine sahip olduğunuz anlamına gelir, bu da sizi eşit derecede iyi çözümlerden oluşan bir çizgi (katsayı alanında) bırakır. Ancak, sorunu izlenebilir hale getirmek için çeşitli düzenleme tekniklerini kullanabilirsiniz. Örneğin, katsayıların L2 normuna (yani karelerin toplamı) bir ceza uygulayarak, her zaman en yüksek uygunluğa sahip tek bir çözüm olmasını sağlarsınız.
Sinir ağları için düzenlileştirme teknikleri de mevcuttur, bu nedenle sorunuzun kısa cevabı 'evet, yapabilirsiniz'. Özellikle ilgilenilen, ağırlıkların her bir güncellemesi için, ağdan belirli bir düğüm alt kümesini rastgele 'bıraktığınız "düşüş" adı verilen bir tekniktir. Yani, öğrenme algoritmasının bu özel tekrarı için, bu düğümlerin yokmuş gibi davranıyorsunuz. Atma olmadan, net, birlikte çalışan tüm düğümlere bağlı olan girdinin çok karmaşık temsillerini öğrenebilir. Bu tür temsillerin, genelleme modelleri bulmak yerine, eğitim verilerini 'ezberlemesi' muhtemeldir. Bırakma, ağın eğitim verilerine sığdırmak için tüm düğümleri aynı anda kullanmamasını sağlar; bazı düğümler eksik olsa bile verileri iyi temsil edebilmelidir,
Ayrıca, bırakma kullanırken, eğitim sırasında herhangi bir noktadaki özgürlük derecelerinin aslında egzersiz örneği sayısından daha küçük olabileceğini unutmayın, ancak toplamda egzersiz örneklerinden daha fazla ağırlık öğreniyor olsanız da.