Kann jemand erklären, was Überanpassung und Lärm in ML ist? Kann dies in parametrischen Classfiers passieren? Wie kann man wissen, ob das Modell die Daten überlagert?Was sind Überanpassung und Lärm beim maschinellen Lernen?
In ML bedeutet Überanpassung, dass Modelle auf den Trainingsdaten gut abschneiden, aber für neue Daten nicht gut verallgemeinern. Dies ist der Fall, wenn das Modell im Verhältnis zur Menge und zum Lärm der Trainingsdaten zu komplex ist. Woher wissen Sie, dass Sie Ihre Daten überfrachten? Nachdem Sie Ihr Modell erstellt haben, testen Sie es mit Ihrem Trainingssatz und Sie erhalten hervorragende Ergebnisse. Wenn Sie jedoch gegen Ihr Testset oder das reale Leben testen, ist die Genauigkeit Ihrer Vorhersage sehr gering. Also, es ist Zeit, korrigierende Maßnahmen zu ergreifen. Sie können,
Ja, Überarbeiten kann jedes parametrische Modell passieren.
Überarbeiten kann in jedem Modell vorkommen, egal, ob parametrisch oder nicht. – marbel
Manchmal frage ich mich, wie Sie alle Stackoverflow vor Google finden. Overfitting ist ein sehr grundlegendes Konzept in ML und einfache Google-Suche hätte eine Fülle von Ergebnissen gebracht. Davon abgesehen, sehen Sie sich die Antwort an. – techtabu
SO ist für das Programmieren Q & A, um mehr von ML zu lernen nehmen [natürlich] (https://www.coursera.org/learn/machine-learning), es ist ein gutes Intro. – marbel