Настроювання відбувається при невралневій мережі, в тому числі шуму і зовнішніх пристроїв, що знижує свою здатність до узагальнення нових даних. Виправлення несправностей передбачає виявлення ознак і застосування методів для поліпшення продуктивності моделі на нездійснених даних.

Ознаки перенарядки

Загальні показники включають високу точність підготовки, пов'язані з значною точністю перевірки. Крім того, втрата тренувань продовжує зменшуватися при валідації, пластини або збільшення.

Техніка для Mitigate Overfitting

Кілька способів можна зменшити перенаряддя в нейромережах:

  • Регуляція: Додавання штрафу до функції втрати для дискурних комплексних моделей, таких як L1 або L2.
  • Dropout: Випадково вимкнено нейрони під час тренувань, щоб запобігти ко-адаптації.
  • Early Stopping: Стоп-тренінг при виконанні перевірки починається зниження.
  • Data Augmentation: Підвищує різноманіття даних тренувань через перетворення.
  • Редукція Модельного комплексу: Використання космічних архітектури з меншими параметрами.

Розрахунок та метрики

Моніторинг метрики, як правило, втрата та точність перевірки, дозволяє визначити перенаряддя. Розрахунок таких як різниця між точністю підготовки та перевірки може кількісно вплинути на перенаряддя тяжкості. Cross-validation забезпечує більш надійний рівень узагальнення моделі.