Mikä on Overfitting?
Tilanne, jossa AI-malli oppii harjoitusdatan liian tarkasti eikä yleisty uuteen dataan.
Määritelmä
Ylisovitus (Overfitting) on tilanne, jossa AI-malli on oppinut harjoitusdatan erityispiirteet ja kohina liian tarkasti, mikä heikentää sen kykyä yleistyä uuteen dataan.
Tarkoitus
Ylisovituksen tunnistamisen ja estämisen tarkoituksena on varmistaa, että malli toimii hyvin myös uudella, aiemmin näkemättömällä datalla.
Toiminta
Ylisovitus tapahtuu kun malli muistaa harjoitusdatan yksityiskohdat sen sijaan, että se oppisi yleisiä kaavoja, mikä johtaa huonoon suorituskykyyn uudessa datassa.
Esimerkki
Kuvan tunnistusmalli, joka tunnistaa kissat vain tietyissä asennoissa tai väreissä, koska se on oppinut harjoitusdatan tarkasti ilman yleistämistä.
Liittyvät
- Generalization
- Validation
- Regularization
- Model Training
Haluatko tietää lisää?
Jos haluat tietää lisää aiheesta Ylisovitus, ota yhteyttä minuun X:ssä. Rakastan jakaa ideoita, vastata kysymyksiin ja keskustella aiheista, joten älä epäröi tulla mukaan. Nähdään pian!
Mikä on Explainability?
Selitettävyys tarkoittaa AI-järjestelmien kykyä tehdä päätöksentekoprosessi...
Mikä on Generative UI?
Generatiivinen UI on AI-pohjainen lähestymistapa käyttöliittymien luomiseen...
Mikä on Deterministic?
Deterministinen AI-järjestelmä tuottaa aina identtisen tuloksen samoilla sy...
Mikä on GPU Cluster?
GPU Cluster on useita grafiikkaprosessoreita (GPU) yhdistävä järjestelmä, j...
Mikä on GPT?
GPT (Generative Pre-trained Transformer) on suurten kielimallien arkkitehtu...