Quá phù hợp xảy ra khi mạng thần kinh học được dữ liệu đào tạo quá tốt, bao gồm tiếng ồn và tiếng hơn, giảm khả năng tổng quát của nó để tổng quát hóa dữ liệu mới.

Dấu hiệu của sự quá sức

Những chỉ số thông thường bao gồm độ chính xác về việc huấn luyện cao, với độ chính xác đáng kể thấp hơn.

Kỹ thuật để kiểm soát sự việc

Một số phương pháp có thể giúp giảm sự phù hợp trong mạng thần kinh:

  • Sự tái phân tách: thêm một hình phạt cho hàm mất mát để ngăn cản các mô hình phức tạp, như L1 hoặc L2 đều đặn hóa.
  • Nhảy ra: ngẫu nhiên vô hiệu hóa các tế bào thần kinh trong quá trình đào tạo để ngăn chặn sự đồng-adatation.
  • Dừng lại ) dừng lại khi hiệu suất hợp lệ bắt đầu giảm.
  • Sự suy luận: [FLT: 1] tăng sự đa dạng của dữ liệu đào tạo thông qua sự biến đổi.
  • Tạo ra Mô hình phức tạp:) sử dụng kiến trúc đơn giản hơn với ít tham số hơn.

Tính toán và đo lường

Theo dõi các thước đo như mất kiểm tra và độ chính xác giúp xác định sự phù hợp. Tính toán như sự khác biệt giữa đào tạo và độ chính xác hợp lệ có thể tính toán quá mức độ nghiêm trọng. Tính toán chéo cung cấp một ước lượng tổng quát mạnh hơn.