HyperAIHyperAI

Command Palette

Search for a command to run...

Sous-ajustement

Date

il y a 2 ans

Sous-ajustementIl fait référence à la situation dans laquelle le modèle ne correspond pas bien aux données de formation et est généralement utilisé pour évaluer les capacités d'apprentissage et de généralisation du modèle.

Il existe trois situations pour l'entraînement des données et l'évaluation des modèles : le sous-ajustement, l'ajustement et le sur-ajustement.

L'impact du sous-ajustement

Le sous-ajustement se produit généralement dans les modèles simples, qui ne peuvent pas refléter la relation entre les données, ce qui fait que le modèle d'apprentissage automatique est incapable d'obtenir une faible erreur d'apprentissage. En outre, cela peut également être dû à des facteurs tels qu’un nombre insuffisant d’ensembles de fonctionnalités, un nombre insuffisant d’ensembles de données et des données d’échantillonnage déraisonnables.

Solutions au sous-ajustement

  • Trouver le schéma d’initialisation de poids optimal ;
  • Utiliser les fonctions d’activation appropriées ;
  • Choisissez un optimiseur et un taux d’apprentissage appropriés.
Mots apparentés : ajustement, surajustement

Références

【1】https://docs.aws.amazon.com/zh_cn/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html

【2】https://blog.ailemon.me/2018/04/09/deep-learning-the-ways-to-solve-underfitting/

Construire l'IA avec l'IA

De l'idée au lancement — accélérez votre développement IA avec du co-codage IA gratuit, un environnement prêt à l'emploi et les meilleurs prix GPU.

Co-codage IA
GPU prêts à utiliser
Meilleurs prix
Commencer

Hyper Newsletters

Abonnez-vous à nos dernières mises à jour
Nous vous enverrons les dernières mises à jour de la semaine dans votre boîte de réception à neuf heures chaque lundi matin
Propulsé par MailChimp