Model Karmaşıklığı ve Genelleme

Kavram

Esnek bir model eğitim verisinin düzenini ve rastlantısal dalgalanmalarını birlikte öğrenebilir. Eğitim hatası, modelin gördüğü örneklerdeki uyumdur. Doğrulama hatası ise seçim sırasında ayrılan örneklerde davranışını gösterir. Bu iki ölçü aynı soruya cevap vermez.

Bir örnek üzerinden

Düşük dereceli bir polinom belirgin eğriliği kaçırabilir. Derece arttıkça eğitim uyumu iyileşirken doğrulama hatası artmaya başlayabilir. En uygun karmaşıklık veri miktarı, gürültü ve örneklem aralığına bağlıdır; aynı derece her problemde üstün değildir.

Görsel üzerinden

Görselde iki veri kümesi ve farklı derecelerin hata eğrileri yer alır. Derece seçmek için tekrar tekrar incelenen ikinci küme doğrulama kümesidir. Sonuçları gördükten sonra seçilen modeli bağımsız biçimde değerlendirmek için ayrıca dokunulmamış bir test kümesi gerekir.

Yorumlama

Eğitim/doğrulama hata oranının bire yakın olması tek başına başarı değildir; iki hata da çok yüksek olabilir. Ölçek, basit referans model ve iş açısından kabul edilebilir hata birlikte okunmalıdır. Yüksek derecelerde aralık dışına tahmin özellikle kararsızlaşabilir.

Kapsam ve okuma

Bu modülün görselleri öğretim amaçlıdır. İlgili okuma: scikit-learn · Çapraz doğrulama. Açıklamalı kaynak dizini →