과소적합

과소적합이는 모델이 훈련 데이터에 잘 맞지 않는 상황을 말하며, 일반적으로 모델의 학습 및 일반화 기능을 평가하는 데 사용됩니다.

데이터 학습과 모델 평가에는 과소적합, 적합, 과대적합의 세 가지 상황이 있습니다.

과소적합의 영향

과소적합은 일반적으로 단순한 모델에서 발생하는데, 이는 데이터 관계를 반영할 수 없기 때문에 머신 러닝 모델이 낮은 학습 오류를 얻을 수 없게 됩니다. 또한, 기능 세트가 너무 적거나, 데이터 세트가 너무 적거나, 샘플링 데이터가 부당하다는 요인으로 인해 발생할 수도 있습니다.

언더피팅에 대한 솔루션

• 최적의 가중치 초기화 방식을 찾으세요.
• 적절한 활성화 함수를 사용하세요.
• 적절한 최적화 도구와 학습률을 선택하세요.

관련 단어: 피팅, 과적합

참고문헌

【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/