차례:
정의-과적 합이란 무엇입니까?
통계 및 기계 학습에서 모델이 너무 시끄러운 데이터의 추세를 예측하려고하면 과적 합이 발생합니다. 과적 합은 너무 많은 모수를 가진 지나치게 복잡한 모형의 결과입니다. 추세가 데이터의 현실을 반영하지 않기 때문에 과적 합 된 모델은 부정확합니다.
Techopedia는 과적 합을 설명합니다
과적 합 모델은 보이지 않는 데이터를 정확하게 예측하는 대신 훈련 된 데이터의 오류를 반영하는 추세선이있는 모델입니다. 이것은 데이터 포인트 그래프와 추세선으로 시각적으로 더 잘 보입니다. 과적 합 모델은 더 높고 낮은 점으로 곡선을 표시하고, 적합하게 적합 된 모델은 부드러운 곡선 또는 선형 회귀를 보여줍니다.
과적 합의 주요 문제점은 모델이 보이지 않는 데이터 포인트가 어떻게 될지를 예측하려고하기보다는 기존 데이터 포인트를 효과적으로 기억한다는 것입니다.
과적 합은 일반적으로 과도한 수의 트레이닝 포인트에서 발생합니다. 교차 검증, 정규화, 조기 정지, 가지 치기, 베이지안 사전, 드롭 아웃 및 모델 비교를 포함하여 기계 학습 연구원이 과적 합을 완화하는 데 사용할 수있는 여러 가지 기술이 있습니다.
