Quá phù hợp xảy ra khi một máy học mô hình học tập quá tốt, bao gồm tiếng ồn và hơn nữa, mà giảm khả năng của nó để tổng quát hóa dữ liệu mới. phát hiện và ngăn chặn quá trình học tập là cần thiết để phát triển các mô hình mạnh mẽ.

Dấu hiệu của sự quá sức

Khi mô hình thực hiện tốt một cách khác thường về dữ liệu không nhìn thấy, rất có thể là quá hợp lý.

Kỹ thuật để phát hiện sự phù hợp

Theo dõi hiệu suất mô hình trên bộ dữ liệu hợp lệ giúp xác định sự phù hợp. Phương pháp thông thường bao gồm:

  • Lập đồ thị đào tạo và xác thực chính xác trên giai đoạn
  • Đang đánh giá đo hiệu suất trên dữ liệu thử riêng
  • Dùng kỹ thuật điều chỉnh chéo

Chiến đấu để ngăn ngừa thái quá

Những biện pháp phòng ngừa giúp cải thiện việc tổng quát hóa mô hình.

  • Sự tái phân tách:) áp dụng hình phạt cho sự phức tạp mô hình, như L1 hoặc L2 quy định.
  • Đang chạy , loại bỏ những nhánh không đóng góp nhiều.
  • Dừng lại ) khi hiệu suất hợp lệ ngừng cải thiện.
  • Tăng cường data: tăng sự đa dạng tập luyện để giảm phù hợp.
  • Dropout: ngẫu nhiên cắt bỏ nơ ron trong quá trình đào tạo mạng thần kinh.