Настроювання відбувається, коли модель машинного навчання вивчає дані про тренінги, зокрема шум і позашляховики, що знижує свою здатність до узагальнення нових даних. Виявлення та запобігання перенаряддя є важливим для розробки надійних моделей.

Ознаки перенарядки

Наповнення часто вказується значним різницею між навчально-виправною ефективністю. Коли модель виконує виключно добре на навчальні дані, але погано на невидимих даних, перенаряддя ймовірно.

Техніка для виявлення перенарядки

Моніторинг продуктивності моделі на перевірках даних допомагає визначити перенаряддя. До поширених методів відносяться:

  • Точність розміщення та перевірка на епох
  • Оцінка показників продуктивності на окремих тестових даних
  • Використання методів кросовалідації

Стратегії запобігання перенаряддя

Допомагальні заходи допомагають поліпшити узагальнення моделі. Ключові стратегії включають:

  • Регуляція: Застосування штрафних санкцій до моделі складності, таких як L1 або L2.
  • Pruning:] Спрощування дерев, які видалили гілки, які не сприяють значному.
  • Надійне припинення: Навчання за керуванням при тренуванні, що вдосконалюються.
  • Попередня аугментація даних: Підвищення рівня знань про підготовку для зменшення перенарядки.
  • Dropout: Випадково знезадувані нейрони під час тренувань в нейромережах.