جدول المحتويات:

كيف تعرف أن النموذج الخاص بك هو Overfitting؟
كيف تعرف أن النموذج الخاص بك هو Overfitting؟

فيديو: كيف تعرف أن النموذج الخاص بك هو Overfitting؟

فيديو: كيف تعرف أن النموذج الخاص بك هو Overfitting؟
فيديو: 19- How to Detect OVERFITTING in Machine Learning? 2024, يمكن
Anonim

تجهيز المشتبه فيه عندما نموذج الدقة عالية فيما يتعلق بالبيانات المستخدمة في تدريب نموذج لكنه ينخفض بشكل ملحوظ مع البيانات الجديدة. على نحو فعال يعرف النموذج بيانات التدريب جيدة ولكنها لا تعمم. هذا يجعل نموذج غير مجدية لأغراض مثل التنبؤ.

تعرف أيضًا ، ماذا تفعل إذا كان النموذج مناسبًا؟

التعامل مع التجهيز الزائد

  1. قلل سعة الشبكة عن طريق إزالة الطبقات أو تقليل عدد العناصر في الطبقات المخفية.
  2. قم بتطبيق التسوية ، والتي تتمثل في إضافة تكلفة لوظيفة الخسارة للأوزان الكبيرة.
  3. استخدم طبقات Dropout ، والتي ستزيل ميزات معينة بشكل عشوائي عن طريق تعيينها على صفر.

قد يتساءل المرء أيضًا ، ما هو التخصيص الزائد في شجرة القرار؟ أكثر من المناسب هي الظاهرة التي يلائم فيها نظام التعلم بيانات التدريب المعينة بإحكام لدرجة أنه سيكون غير دقيق في التنبؤ بنتائج البيانات غير المدربة. في أشجار القرار , أكثر من المناسب يحدث عندما يكون شجرة تم تصميمه بحيث يتلاءم تمامًا مع جميع العينات في مجموعة بيانات التدريب.

بالإضافة إلى ذلك ، ما الذي يسبب نموذج Overfitting؟

تجهيز يحدث عندما أ نموذج يتعلم التفاصيل والضوضاء في بيانات التدريب إلى الحد الذي يؤثر سلبًا على أداء نموذج على البيانات الجديدة. هذا يعني أن الضوضاء أو التقلبات العشوائية في بيانات التدريب يتم التقاطها وتعلمها كمفاهيم بواسطة نموذج.

كيف أعرف القياس غير المناسب؟

يناسب النموذج عندما يكون بسيطًا جدًا فيما يتعلق بالبيانات التي يحاول نمذجتها. واحد طريقة للكشف مثل هذا الموقف هو استخدام نهج التباين التحيز ، والذي يمكن تمثيله على النحو التالي: يكون النموذج الخاص بك غير مناسب عندما يكون لديك انحياز كبير.

موصى به: