Sommario:
Definizione - Cosa significa Overfitting?
Nelle statistiche e nell'apprendimento automatico, il sovradimensionamento si verifica quando un modello tenta di prevedere una tendenza nei dati troppo rumorosa. L'overfitting è il risultato di un modello troppo complesso con troppi parametri. Un modello che è sovradimensionato è inaccurato perché la tendenza non riflette la realtà dei dati.
Techopedia spiega Overfitting
Un modello sovradimensionato è un modello con una linea di tendenza che riflette gli errori nei dati con cui viene addestrato, anziché prevedere con precisione i dati invisibili. Questo è meglio visto visivamente con un grafico di punti dati e una linea di tendenza. Un modello sovradimensionato mostra una curva con punti più alti e più bassi, mentre un modello correttamente montato mostra una curva liscia o una regressione lineare.
Il problema principale con il sovradimensionamento è che il modello ha memorizzato efficacemente i punti dati esistenti piuttosto che cercare di prevedere quanto sarebbero invisibili i punti dati.
Il sovrautilizzo in genere deriva da un numero eccessivo di punti di allenamento. Esistono una serie di tecniche che i ricercatori di machine learning possono utilizzare per mitigare il sovradimensionamento, tra cui convalida incrociata, regolarizzazione, arresto anticipato, potatura, priori bayesiani, abbandono e confronto tra modelli.
