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?
Antwort
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,
- das Modell vereinfachen, indem die Anzahl der Attribute in den Trainingsdaten zu reduzieren
- mehr Trainingsdaten
- Lärmdaten in dem Training reduzieren sammeln.
Ja, Überarbeiten kann jedes parametrische Modell passieren.
Überarbeiten kann in jedem Modell vorkommen, egal, ob parametrisch oder nicht. – marbel
- 1. Was bedeutet clf beim maschinellen Lernen?
- 2. Was ist Trainingsschrittzeit beim maschinellen Lernen?
- 3. Was bedeutet "Trainingsverlust" beim maschinellen Lernen?
- 4. So berechnen Sie Protokollverlust beim maschinellen Lernen
- 5. Feedback oder Verstärkung beim maschinellen Lernen verwenden?
- 6. bayesianoptimization im maschinellen Lernen
- 7. Was bedeutet Iteration im maschinellen Lernen?
- 8. Bewertungsmaßstab im maschinellen Lernen
- 9. Was sind die Voraussetzungen, um maschinelles Lernen zu lernen?
- 10. Eine Frage zu Klassifizierern im maschinellen Lernen
- 11. Schnellste allgemeine Bibliothek zum maschinellen Lernen?
- 12. Was im Algorithmus verursacht Überanpassung
- 13. Was sind die Probleme, die neuronale Netzwerke beim Lernen stagnieren?
- 14. Valgrind 'Lärm', was ist das?
- 15. vorhersagen kontinuierlichen Zielwert von verrauschten Eingabe mit maschinellen Lernen approches
- 16. Kategoriale Variablen mit zu vielen Ebenen im maschinellen Lernen
- 17. Was sind die Links zu lernen, Arduino?
- 18. Was sind die besonderen Merkmale des maschinellen Lernen Quellcodes, die sich von anderen Arten von Programmen unterscheiden?
- 19. Wie können bestimmte Funktionen im maschinellen Lernen stärker gewichtet werden?
- 20. Warum wird Kernel im maschinellen Lernen als Kernel-Funktion bezeichnet?
- 21. Warum verbessert eine Hot-Encoding-Technologie die Leistung beim maschinellen Lernen?
- 22. Apps sind noch nicht geladen (beim Lernen von Signalen)
- 23. größere Sobel Operatoren sind stabiler in Lärm. Warum?
- 24. Was sind einige gute Ressourcen für das Lernen von Netzwerkprogrammierung?
- 25. Was sind gute Quellen, um über Generika zu lernen?
- 26. Was sind die besten Referenzen, um ExtJS 3.4 zu lernen?
- 27. Was sind einige gute Ressourcen, um NAnt zu lernen?
- 28. Tiling Simplex Lärm?
- 29. Was sind einige gute Ansatzpunkte zum Lernen über Algorithmische Skelette?
- 30. Was sind die besten Seiten/Bücher zum Lernen von Apache?
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