Différence entre surajustement et sous - ajustement

La différence entre surajustement et sous - ajustement

Le Sous - ajustement est souvent entendu dans le processus d'apprentissage de la machine、En adaptant ces mots,Alors, que signifient ces deux mots？Quelle différence?？Quelle est la cause de？

Ce qu'on appelle l'ajustement,Il s'agit en fait du processus d'apprentissage de la machine produit dans le modèle de l'ensemble d'essai comment s'adapter à l'effet;Est - il possible de prévoir avec précision,Par exemple, j'ai formé un modèle pour identifier les chats,Ce modèle peut - il identifier une variété de chats,Par exemple,：Garfield、Chat persan、Jinjira Cat attend.

1**. Ajustement excessif**

En fait, c'est le modèle d'entraînement qui se comporte trop bien dans l'échantillon d'entraînement,Cause de mauvais résultats dans les ensembles de données de validation et d'essai.

En termes simples,Trop d'ajustement, c'est apprendre beaucoup de caractéristiques inutiles;C'est comme：Il y a un modèle qui identifie les feuilles,Les feuilles doivent être faites par"Dents"Le modèle peut être identifié,Si ce n'est pas le cas, le modèle juge que ce n'est pas une feuille;Ce n'est certainement pas juste,Certaines feuilles n'ont pas"Dents"

Avec"Dents"Les feuilles de

Sans"Dents"Les feuilles de

2. Sous - ajustement

Il est possible que les échantillons d'entraînement aient été extraits avec moins de caractéristiques,Les modèles qui en résultent ne correspondent pas bien,Très mal joué,Même l'échantillon lui - même ne peut pas être identifié efficacement.

En termes simples,Un modèle d'entraînement pour identifier les feuilles, Je ne peux pas encore juger avec précision ; Le modèle a besoin de beaucoup d'entraînement pour s'entraîner