アンダーフィッティング

アンダーフィッティングこれは、モデルがトレーニング データにあまり適合していない状況を指し、通常はモデルの学習および汎化能力を評価するために使用されます。

トレーニング データと評価モデルには、過小適合、適合、過適合という 3 つの状況があります。

アンダーフィッティングの影響

アンダーフィッティングは通常、データの関係を反映できない単純なモデルで発生し、その結果、機械学習モデルがより低いトレーニング エラーを取得できなくなるだけでなく、特徴セットが少なすぎる、データが少なすぎるなどの要因によって引き起こされる場合もあります。セット、および不当なサンプリング データ。

アンダーフィッティングを解決する方法

• 最適な重み初期化スキームを見つけます。
• 適切なアクティベーション関数を使用します。
• 適切なオプティマイザーと学習率を選択します。

関連語: フィッティング、オーバーフィッティング

参考文献

【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/