Sadržaj:
Definicija - Što znači Overfitting?
U statistici i strojnom učenju, prefinjenost se događa kada model pokušava predvidjeti trend podataka koji su previše bučni. Prekomjerno opremanje rezultat je pretjerano složenog modela s previše parametara. Model koji je prenapozan je netočan, jer trend ne odražava stvarnost podataka.
Tehopedia objašnjava Overfitting
Prefinjen model je model s linijom trenda koji odražava pogreške u podacima s kojima se obučava, umjesto da točno predviđa nevidljive podatke. To se bolje vidi vizualno, s grafikom podatkovnih točaka i linijom trenda. Prenaponski model pokazuje krivulju s višim i donjim točkama, dok pravilno postavljen model pokazuje glatku krivulju ili linearnu regresiju.
Glavni problem s prekomjernim ugradnjom je taj što je model učinkovito memorirao postojeće podatkovne točke, umjesto da pokušava predvidjeti koliko bi bile nevidljive podatkovne točke.
Previdnost obično proizlazi iz prevelikog broja bodova za trening. Postoje brojne tehnike koje istraživači strojnog učenja mogu koristiti za ublažavanje prekomernog uklapanja, uključujući unakrsnu validaciju, regularizaciju, rano zaustavljanje, obrezivanje, Bayesova priora, pad i usporedbu modela.
