Turinys:
Apibrėžimas - ką reiškia perteklinis įrengimas?
Statistikos ir mašinų mokymosi metu perteklinis pritaikymas įvyksta, kai modelis bando numatyti pernelyg triukšmingą duomenų tendenciją. Per didelis įrengimas yra per daug sudėtingas modelis, turintis per daug parametrų. Per daug pritaikytas modelis yra netikslus, nes tendencija neatspindi duomenų tikrovės.
„Techopedia“ paaiškina perpildymą
Perpildytas modelis yra modelis su tendencijų linija, atspindinčia duomenų, su kuriais jis treniruojamas, klaidas, užuot tiksliai numatęs nematytus duomenis. Tai geriau matyti vizualiai su duomenų taškų grafiku ir tendencijų linija. Pritaikytas modelis rodo kreivę su aukštesniais ir žemesniais taškais, tuo tarpu tinkamai sumontuotas modelis rodo lygią kreivę arba tiesinę regresiją.
Pagrindinė perteklinių įrengimų problema yra ta, kad modelis efektyviai įsimena esamus duomenų taškus, o ne bando nuspėti, kokie būtų nematyti duomenų taškai.
Per didelis komplektacija paprastai atsiranda dėl per daug treniruočių taškų. Yra keletas metodų, kuriuos mašininio mokymosi tyrėjai gali naudoti norėdami sušvelninti per didelius įrengimus, įskaitant kryžminį patvirtinimą, sureguliavimą, ankstyvą sustabdymą, genėjimą, Bajeso viršūnę, metimą ir modelio palyginimą.
