overfitting

Forfatter: Roger Morrison
Oprettelsesdato: 22 September 2021
Opdateringsdato: 19 Juni 2024
Anonim
But What Is Overfitting in Machine Learning?
Video.: But What Is Overfitting in Machine Learning?

Indhold

Definition - Hvad betyder overfitting?

I statistik og maskinlæring sker overfitting, når en model forsøger at forudsige en tendens i data, der er for støjende. Overfitting er resultatet af en alt for kompleks model med for mange parametre. En model, der er overfittet, er unøjagtig, fordi tendensen ikke afspejler datagrundlaget.


En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.

Techopedia forklarer Overfitting

En overfittet model er en model med en trendlinie, der afspejler fejlene i de data, den er trænet med, i stedet for nøjagtigt at forudsige usete data. Dette ses bedre visuelt med en graf over datapunkter og en trendlinje. En overfittet model viser en kurve med højere og lavere punkter, mens en korrekt monteret model viser en glat kurve eller en lineær regression.

Hovedproblemet med overfitting er, at modellen effektivt har husket eksisterende datapunkter i stedet for at forsøge at forudsige, hvor usete datapunkter ville være.

Overfitting resulterer typisk fra et for stort antal træningspunkter. Der er en række teknikker, som maskinlæringsforskere kan bruge til at mindske overfitting, herunder krydsvalidering, regularisering, tidlig stop, beskæring, Bayesian-forudgående, dropout og model-sammenligning.