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
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 Scrum of Scrums?
Scrum of Scrums (SoS) on skaalaustekniikka usean tiimin työn koordinointiin...
Mitä MMF tarkoittaa?
Minimum Marketable Feature eli Minimaalinen Markkinoitava Ominaisuus on tuo...
Mikä on Architect?
Termi "tietokonearkkitehtuuri" käytettiin ensimmäisen kerran IBM:llä noin v...