overfitting

ผู้เขียน: Roger Morrison
วันที่สร้าง: 22 กันยายน 2021
วันที่อัปเดต: 9 พฤษภาคม 2024
Anonim
But What Is Overfitting in Machine Learning?
วิดีโอ: But What Is Overfitting in Machine Learning?

เนื้อหา

คำจำกัดความ - การ Overfitting หมายถึงอะไร

ในสถิติและการเรียนรู้ของเครื่องการเกิด overfitting เกิดขึ้นเมื่อตัวแบบพยายามทำนายแนวโน้มของข้อมูลที่มีเสียงดังเกินไป การ overfitting เป็นผลมาจากรูปแบบที่ซับซ้อนเกินไปซึ่งมีพารามิเตอร์มากเกินไป โมเดลที่มีการติดตั้งมากเกินไปนั้นไม่ถูกต้องเนื่องจากแนวโน้มไม่สะท้อนความเป็นจริงของข้อมูล


ข้อมูลเบื้องต้นเกี่ยวกับ Microsoft Azure และ Microsoft Cloud | ในคู่มือนี้คุณจะได้เรียนรู้ว่าการประมวลผลแบบคลาวด์คืออะไรและ Microsoft Azure สามารถช่วยคุณในการโยกย้ายและดำเนินธุรกิจจากคลาวด์อย่างไร

Techopedia อธิบาย Overfitting

แบบจำลองที่ติดตั้งมากเกินไปคือแบบจำลองที่มีเส้นแนวโน้มที่สะท้อนถึงข้อผิดพลาดในข้อมูลที่ได้รับการฝึกอบรมแทนการทำนายข้อมูลที่มองไม่เห็นอย่างแม่นยำ สิ่งนี้สามารถมองเห็นได้ดีขึ้นด้วยกราฟของจุดข้อมูลและเส้นแนวโน้ม แบบจำลองที่ติดตั้งมากเกินไปแสดงให้เห็นถึงเส้นโค้งที่มีจุดสูงขึ้นและต่ำลงในขณะที่แบบจำลองที่ติดตั้งอย่างเหมาะสมจะแสดงเส้นโค้งที่เรียบหรือการถดถอยเชิงเส้น

ปัญหาหลักของการ overfitting คือตัวแบบจำจุดข้อมูลที่มีอยู่ได้อย่างมีประสิทธิภาพแทนที่จะพยายามทำนายว่าจุดข้อมูลที่มองไม่เห็นจะเป็นอย่างไร

โดยทั่วไปแล้วการบรรจุมากเกินไปเป็นผลมาจากคะแนนการฝึกอบรมที่มากเกินไป มีเทคนิคหลายอย่างที่นักเรียนรู้เครื่องจักรสามารถใช้เพื่อลดการ overfitting รวมถึงการตรวจสอบข้าม, การทำให้เป็นมาตรฐาน, การหยุดก่อนกำหนด, การตัดแต่งกิ่ง, นักบวช Bayesian, dropout และการเปรียบเทียบแบบจำลอง