위키
포럼
도구
바뀐글
랜덤

"과적합"의 두 판 사이의 차이

10번째 줄: 10번째 줄:
* 학습 대상 데이터에 대한 오차는 감소하지만, 실제 사례에 적용할 경우 오차가 증가하는 문제를 수반한다.
* 학습 대상 데이터에 대한 오차는 감소하지만, 실제 사례에 적용할 경우 오차가 증가하는 문제를 수반한다.


https://upload.wikimedia.org/wikipedia/commons/thumb/5/5d/Overfit.png/300px-Overfit.png
[[파일:Overfit.png|300px]]


https://upload.wikimedia.org/wikipedia/commons/thumb/6/68/Overfitted_Data.png/300px-Overfitted_Data.png
[[파일:Overfitted_Data.png|300px]]


https://upload.wikimedia.org/wikipedia/commons/thumb/1/19/Overfitting.svg/300px-Overfitting.svg.png
[[파일:Overfitting.svg|300px]]


==방지 방법==
==방지 방법==

2020년 9월 5일 (토) 23:59 판

1 개요

overfitting
過適合
과적합, 과적화, 과잉적합, 과최적화, 오버피팅
  • 통계모델이 다른 상황에 일반화되지 못하는 것
  • 기계학습에서 데이터에 대한 학습이 너무 많이 수행되는 현상
  • 통계모델이 과도하게 샘플데이터 맞춤형으로 만들어져 오히려 현실과 맞지 않게 되는 일
  • 통계모델에 매개변수가 너무 많은 경우, 샘플데이터 수에 비해 모델이 복잡하고 예측력이 떨어짐
  • 모델이 트레이닝셋에 너무 최적화되어 있어서, 실제모델(현실적으로는 테스트셋)과 맞지 않게 되는 것
  • 학습 대상 데이터에 대한 오차는 감소하지만, 실제 사례에 적용할 경우 오차가 증가하는 문제를 수반한다.

Overfit.png

Overfitted Data.png

Overfitting.svg

2 방지 방법

  • 더 많은 트레이닝 데이터 확보
  • 피쳐 수 감소
  • 정규화

3 같이 보기

4 참고

원본 주소 "https://zetawiki.com/w/index.php?title=과적합&oldid=597027"
문서 댓글 ({{ doc_comments.length }})
{{ comment.name }} {{ comment.created | snstime }}