Mô hình học tập siêu giám sát được dùng để dự đoán dựa trên dữ liệu có nhãn. Giữ sự cân bằng giữa phù hợp và phù hợp là thiết yếu để tạo ra mô hình hiệu quả. Bài này khám phá những khái niệm này và đưa ra chiến lược thiết kế để tối ưu hóa hiệu suất mô hình.

Quá phù hợp với các mô hình giám sát

Khi một mô hình học được quá tốt, bao gồm cả tiếng ồn và tiếng hơn, thì nó thực hiện kém dữ liệu mới, vô hình.

Hợp với mô hình bảo vệ

Điều kiện hợp lý xảy ra khi mô hình quá đơn giản để ghi lại những mẫu bên trong dữ liệu, kết quả là thành tích kém trong cả đào tạo và thử nghiệm dữ liệu.

Chiến đấu để ngăn ngừa thái quá

  • Sự tái phân tách: Techniques như L1 và L2 thêm hình phạt cho sự phức tạp mô hình.
  • Cách phân loại: ).
  • Chạy lại: Mô hình đơn giản như cây quyết định giảm sự phức tạp không cần thiết.
  • Dừng lại ) ngừng huấn luyện trước khi mô hình quá tải dữ liệu.

Những chiến thuật để ngăn ngừa sự bất hợp pháp

  • Mô hình phức tạp ). Dùng tính năng hay thuật toán phức tạp.
  • Kỹ sư sinh học: tạo tính năng mới để thể hiện tốt hơn các mẫu dữ liệu.
  • Tạo ra sự đều đặn hóa: giảm thiểu hình phạt hạn chế tính linh hoạt mô hình.