目次:
定義-オーバーフィットとはどういう意味ですか？
統計と機械学習では、モデルがノイズが多すぎるデータの傾向を予測しようとすると、過剰適合が発生します。 過剰適合は、パラメーターが多すぎる過度に複雑なモデルの結果です。 傾向がデータの現実を反映していないため、過剰適合モデルは不正確です。
Techopediaはオーバーフィットについて説明します
オーバーフィットモデルとは、目に見えないデータを正確に予測するのではなく、トレーニング対象のデータのエラーを反映する傾向線を持つモデルです。 これは、データポイントのグラフと傾向線で視覚的に見やすくなります。 オーバーフィットモデルは、より高いポイントとより低いポイントの曲線を示し、適切にフィットしたモデルは、滑らかな曲線または線形回帰を示します。
過剰適合の主な問題は、モデルが既存のデータポイントを効果的に記憶しており、見えないデータポイントがどのようになるかを予測しようとすることです。
過剰適合は、通常、過剰な数のトレーニングポイントから生じます。 交差検証、正則化、早期停止、枝刈り、ベイジアン事前分布、ドロップアウト、モデル比較など、機械学習の研究者が過剰適合を軽減するために使用できる多くの手法があります。
