Mundarija:

Sizning modelingiz Overfitting ekanligini qanday bilasiz?
Sizning modelingiz Overfitting ekanligini qanday bilasiz?

Video: Sizning modelingiz Overfitting ekanligini qanday bilasiz?

Video: Sizning modelingiz Overfitting ekanligini qanday bilasiz?
Video: 5 ta xato | 5 та хато | Biznes | Savdo | Moliya 2024, Aprel
Anonim

Haddan tashqari moslashish qachon gumon qilinadi model o'qitishda ishlatiladigan ma'lumotlarga nisbatan aniqlik yuqori model lekin yangi ma'lumotlar bilan sezilarli darajada tushadi. Samarali ravishda model biladi ta'lim ma'lumotlari yaxshi, lekin umumlashtirmaydi. Bu qiladi model bashorat qilish kabi maqsadlar uchun foydasiz.

Shuningdek, bilingki, agar model Overfitting bo'lsa nima qilish kerak?

Haddan tashqari moslama bilan ishlov berish

  1. Qatlamlarni olib tashlash yoki yashirin qatlamlardagi elementlar sonini kamaytirish orqali tarmoq quvvatini kamaytiring.
  2. Regulyatsiyani qo'llang, bu katta vaznlar uchun yo'qotish funktsiyasiga xarajatlarni qo'shish bilan bog'liq.
  3. Ba'zi xususiyatlarni nolga o'rnatish orqali tasodifiy olib tashlaydigan Dropout qatlamlaridan foydalaning.

Bundan tashqari, qarorlar daraxtiga mos keladigan narsa nima deb so'rashi mumkin? Haddan tashqari moslashish - bu o'quv tizimi berilgan o'quv ma'lumotlariga shunchalik qattiq mos keladigan hodisa bo'lib, u o'rganilmagan ma'lumotlarning natijalarini taxmin qilishda noto'g'ri bo'ladi. In qaror daraxtlari , haddan tashqari moslashish qachon sodir bo'ladi daraxt o'quv ma'lumotlari to'plamidagi barcha namunalarga mukammal mos keladigan tarzda ishlab chiqilgan.

Bundan tashqari, modelning haddan tashqari o'rnatilishiga nima sabab bo'ladi?

Haddan tashqari moslashish qachon sodir bo'ladi a model o'quv ma'lumotlaridagi tafsilot va shovqinni o'rganishga salbiy ta'sir ko'rsatadigan darajada o'rganadi model yangi ma'lumotlar bo'yicha. Bu shuni anglatadiki, mashg'ulot ma'lumotlaridagi shovqin yoki tasodifiy tebranishlar tushunchalar sifatida qabul qilinadi va o'rganiladi. model.

Underfittingni qanday bilsam bo'ladi?

Model ostidagi model, u modellashtirishga urinayotgan ma'lumotlarga nisbatan juda oddiy bo'lsa, mos keladi. Bir aniqlash usuli Bunday vaziyatda tarafkashlik-variant yondashuvidan foydalanish kerak bo'lib, uni quyidagicha ifodalash mumkin: Agar sizda yuqori moyillikka ega bo'lsangiz, modelingiz o'rnatilgan.

Tavsiya: