Mikä on Overfitting?
Tilanne, jossa AI-malli oppii harjoitusdatan liian tarkasti eikä yleisty uuteen dataan.
Määritelmä
Ylisovitus (Overfitting) on tilanne, jossa AI-malli on oppinut harjoitusdatan erityispiirteet ja kohina liian tarkasti, mikä heikentää sen kykyä yleistyä uuteen dataan.
Tarkoitus
Ylisovituksen tunnistamisen ja estämisen tarkoituksena on varmistaa, että malli toimii hyvin myös uudella, aiemmin näkemättömällä datalla.
Toiminta
Ylisovitus tapahtuu kun malli muistaa harjoitusdatan yksityiskohdat sen sijaan, että se oppisi yleisiä kaavoja, mikä johtaa huonoon suorituskykyyn uudessa datassa.
Esimerkki
Kuvan tunnistusmalli, joka tunnistaa kissat vain tietyissä asennoissa tai väreissä, koska se on oppinut harjoitusdatan tarkasti ilman yleistämistä.
Liittyvät
- Generalization
- Validation
- Regularization
- Model Training
Haluatko tietää lisää?
Jos haluat syventyä aiheeseen Ylisovitus —tai tuoda tämän tyyppistä koulutusta tiimillesi— jutellaan. Autan tiimejä ymmärtämään ja soveltamaan näitä käsitteitä. Kuulisin mielelläni sinusta!
Mikä on Prompt?
Kehote on käyttäjän antama tekstisyöte, ohje tai kysymys, jolla ohjataan AI...
Mikä on Natural Language?
Luonnollinen Kieli (Natural Language) tarkoittaa ihmisten arkipäiväisessä k...
Mikä on Latency?
Viive (Latency) on aika, joka kuluu AI-järjestelmän syötteen vastaanottamis...
Mikä on One-Shot Learning?
One-Shot Learning on oppimismenetelmä, jossa AI-malli kykenee oppimaan ja s...
Mikä on Probabilistic?
Probabilistinen (Probabilistic) lähestymistapa AI:ssa perustuu todennäköisy...