Spisu treści:
Definicja - Co oznacza nadmierne dopasowanie?
W statystykach i uczeniu maszynowym nadmierne dopasowanie występuje, gdy model próbuje przewidzieć trend w zbyt głośnych danych. Przeregulowanie jest wynikiem zbyt złożonego modelu o zbyt wielu parametrach. Nadmiernie dopasowany model jest niedokładny, ponieważ trend nie odzwierciedla rzeczywistości danych.
Techopedia wyjaśnia nadmierne dopasowanie
Nadmiernie dopasowany model to model z linią trendu, która odzwierciedla błędy w danych, z którymi jest trenowany, zamiast dokładnego przewidywania niewidocznych danych. Jest to lepiej widoczne wizualnie dzięki wykresowi punktów danych i linii trendu. Nadmiernie dopasowany model pokazuje krzywą z wyższymi i niższymi punktami, natomiast odpowiednio dopasowany model pokazuje krzywą gładką lub regresję liniową.
Główny problem z nadmiernym dopasowaniem polega na tym, że model skutecznie zapamiętał istniejące punkty danych, zamiast próbować przewidzieć, jak wyglądałyby niewidoczne punkty danych.
Przeuczenie zazwyczaj wynika z nadmiernej liczby punktów treningowych. Istnieje wiele technik, które badacze uczący się za pomocą maszyn mogą złagodzić nadmierne dopasowanie, w tym walidacja krzyżowa, regularyzacja, wczesne zatrzymywanie, przycinanie, priory bayesowskie, porzucanie i porównywanie modeli.
