Სარჩევი:

როგორ იცით, რომ თქვენი მოდელი გადაჭარბებულია?
როგორ იცით, რომ თქვენი მოდელი გადაჭარბებულია?

ვიდეო: როგორ იცით, რომ თქვენი მოდელი გადაჭარბებულია?

ვიდეო: როგორ იცით, რომ თქვენი მოდელი გადაჭარბებულია?
ვიდეო: ქეთი კვინიკაძე ეფექტური კომუნიკაცია I 2024, მაისი
Anonim

ზედმეტად მორგება საეჭვოა, როცა მოდელი სიზუსტე მაღალია ტრენინგის დროს გამოყენებულ მონაცემებთან მიმართებაში მოდელი მაგრამ მნიშვნელოვნად ეცემა ახალი მონაცემებით. ეფექტურად, მოდელმა იცის ტრენინგის მონაცემები კარგად არის, მაგრამ არ არის განზოგადებული. ეს ხდის მოდელი უსარგებლო მიზნებისთვის, როგორიცაა პროგნოზირება.

ასევე იცოდე, რა უნდა გააკეთო, თუ მოდელი გადაჭარბებულია?

ზედმეტად მორგება

  1. ქსელის სიმძლავრის შემცირება ფენების ამოღებით ან ფარული ფენების ელემენტების რაოდენობის შემცირებით.
  2. მიმართეთ რეგულარიზაციას, რაც მცირდება დაკარგვის ფუნქციის დანახარჯზე დიდი წონებისთვის.
  3. გამოიყენეთ Dropout ფენები, რომლებიც შემთხვევით წაშლის გარკვეულ ფუნქციებს ნულზე დაყენებით.

შეიძლება ასევე იკითხოს, რა არის გადაწყვეტილების ხეში გადაჭარბებული მორგება? ზედმეტად მორგება ეს არის ფენომენი, რომლის დროსაც სასწავლო სისტემა მჭიდროდ ერგება მოცემულ სასწავლო მონაცემებს ისე, რომ არაზუსტი იქნებოდა მოუმზადებელი მონაცემების შედეგების პროგნოზირებაში. In გადაწყვეტილების ხეები , ზედმეტად მორგება ხდება მაშინ, როდესაც ხე შექმნილია ისე, რომ სრულყოფილად მოერგოს ყველა ნიმუშს სასწავლო მონაცემთა ნაკრებში.

გარდა ამისა, რა იწვევს მოდელის გადამეტებას?

ზედმეტად მორგება ხდება მაშინ, როდესაც ა მოდელი სწავლობს დეტალებს და ხმაურს ტრენინგის მონაცემებში იმდენად, რამდენადაც ეს უარყოფითად აისახება ტრენინგის შესრულებაზე მოდელი ახალ მონაცემებზე. ეს ნიშნავს, რომ ხმაური ან შემთხვევითი რყევები სასწავლო მონაცემებში აღიქმება და ისწავლება როგორც ცნებები. მოდელი.

როგორ გავიგო Underfitting?

ქვემოთ მოყვანილი მოდელი ჯდება, როდესაც ის ძალიან მარტივია იმ მონაცემებთან დაკავშირებით, რომლის მოდელირებასაც ცდილობს. ერთი აღმოჩენის გზა ასეთი სიტუაცია არის მიკერძოებულ-ვარიანტული მიდგომის გამოყენება, რომელიც შეიძლება ასე იყოს წარმოდგენილი: თქვენი მოდელი არ არის დაყენებული, როდესაც თქვენ გაქვთ მაღალი მიკერძოება.

გირჩევთ: