Последнее обновление: 2021-10-19 01:19:40
Переобучение, переподгонка (overtraining, overfitting) — нежелательное явление, возникающее при решении задач обучения по прецедентам, когда вероятность ошибки обученного алгоритма на объектах тестовой выборки оказывается существенно выше, чем средняя ошибка на обучающей выборке.4 мая 2010 г.
Возможные решения при переобучении[править]Увеличение количества данных в наборе;Уменьшение количества параметров модели;Добавление регуляризации / увеличение коэффициента регуляризации.
Переобучение возникает при избыточной сложности модели и заключается в том, что модель хорошо работает на обучающем наборе данных, при плохих результатах на примерах, не участвующих в обучении. ... На тренировочном наборе производится обучение модели, на тестовом – проверка её точности.
Переобучение (переподгонка, пере- в значении «слишком», англ. overfitting) в машинном обучении и статистике — явление, когда построенная модель хорошо объясняет примеры из обучающей выборки, но относительно плохо работает на примерах, не участвовавших в обучении (на примерах из тестовой выборки).