Mi az Overfitting?

Meghatározás

A Túlillesztés (Overfitting) akkor következik be, amikor egy AI modell túl specifikusan tanul meg a tanuló adatokat, beleértve a zajt és véletlenszerű mintákat, ami gyenge teljesítményhez vezet új adatokon.

Cél

A cél az overfitting elkerülése általánosítható modellek létrehozása érdekében, amelyek jól teljesítenek új, korábban nem látott adatokon.

Működés

Az overfitting regularizációval, korai leállással, dropout technikákkal és cross-validációval megelőzhető vagy csökkenthető.

Példa

Egy modell 100%-os pontosságot ér el a tanuló adatokon, de csak 60%-ot új adatokon, mert túl specifikusan memorizálta a tanuló példákat.

Kapcsolódó

• Underfitting
• Regularizáció
• Generalizáció
• Modell Validáció

Szeretne többet megtudni?

Ha többet szeretne megtudni a Túlillesztés témáról, lépjen kapcsolatba velem az X-en. Szeretem megosztani az ötleteket, válaszolni a kérdésekre és beszélgetni ezekről a témákról, ezért ne habozzon, nézzen be! Hamarosan találkozunk!