اصطلاحات علم داده و یادگیری ماشین (Data Science + Machine Learning)

بیش برازش (Overfitting) :
اگر یک مدل خود را با داده‌های آموزشی کاملاً تطبیق دهد و خطای خود را به حداقل برساند، در مواجهه با داده‌های واقعی با خطای زیادی مواجه خواهد شد و نتیجه مطلوب را تولید نخواهد کرد. تطبیق بیش از حد با مجموعه داده آموزشی را بیش برازش (Overfitting) می‌نامیم. مدلی که بیش از حد، تطبیق و برازش شده باشد، برای داده‌های واقعی کاربست پذیر نخواهد بود.


کم برازش (Underfitting) :
اگر داده‌های کمی داشته باشیم و یا تطبیق کمی با داده‌های آموزشی ایجاد کنیم و فرآیند آموزش مدل را با وجود خطاهای زیاد، متوقف کنیم، با پدیده کم برازش (Underfitting) مواجه خواهیم شد و مدلی خواهیم داشت که حتی برای داده‌های آزمایش ما، نتایج مطلوب را تولید نخواهد نمود.


ادامه دارد ...


ارسال نظر

Captcha image

نظرات

مطالب مرتبط