Te eenvoudig, te kompleks, gemeet
Waarom dit saak maak 'n model is net nuttig op data wat dit nog nie gesien het nie. Om dit te meet, in plaas van die training score, is die eerste gewoonte van enigeen wat modelle bou.
Pas polinome van toenemende graad op 30 raserige punte van 'n gladde kurwe. Graad 1 is 'n reguit lyn: te eenvoudig, dit mis die buiging (onderpassing). Graad 15 buig om die geraas in hierdie spesifieke 30 punte te volg: sy opleidingsfout is die laagste van almal (0.014), maar op nuwe punte doen dit slegter as graad 3 (0.075 teenoor 0.051). Daardie gaping, opleidingsfout ver onder die fout op nuwe data, is oorpassing. Iewers tussenin is 'n soet plek.
Die opleidingsfout daal net wanneer die graad styg, so dit kan nie die perfekte balans vind nie. Die validation fout, op punte wat die pas nooit gesien het nie, kan.
Validasieset: data wat teruggehou word van opleiding en gebruik word om instellings soos modelgrootte te kies.
Woorde en simbole in hierdie les
- overfitting, onderpassing
- pas die geraas in die opleidingsdata; of te eenvoudig om die patroon te pas
- validering set
- helder-terug data gebruik om instellings te kies
Skryf errors(deg) wat (train_mse, val_mse) teruggee vir 'n graad-deg polinoan wat pas by np.polyfit op die 30 punte. Stel dan best_degree in op die graad van 1 tot 15 met die laagste validasiefout, bereken vanaf jou eie kurwe.
Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les
Hierdie oefening open binnekort
Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.
Hierdie blutser blokkeer koekies vir learn.floati.life, so lesse wat jy hier voltooi het kan nie in volgorde oopgaan nie. Laat koekies vir hierdie webwerf toe en laai nuut.