単純すぎ、複雑すぎを、測って
なぜ大切か モデルが役に立つのは、見たことのないデータでだけです。訓練の点数の代わりにそれを測ることが、モデルを作る人の最初の習慣です。
なめらかな曲線からの 30 の雑音のある点に、次数を増やしながら多項式を合わせます。次数 1 は直線:単純すぎて曲がりを見逃します(未学習)。次数 15 はこの特定の 30 の点の雑音を追って曲がります:その訓練の誤差はすべての中で最も低い(0.014)ですが、新しい点では次数 3 より悪くなります(0.075 対 0.051)。その隔たり、新しいデータでの誤差よりはるかに低い訓練の誤差が 過学習 です。その間のどこかにちょうど良い場所があります。
訓練の誤差は次数が上がるにつれて下がるだけなので、ちょうど良い場所を見つけられません。当てはめが一度も見なかった点での 検証 の誤差なら見つけられます。
検証のセット:訓練から取っておき、モデルの大きさのような設定を選ぶのに使うデータです。
このレッスンの言葉と記号
- 過学習、未学習
- 訓練のデータの雑音に合わせること。またはパターンに合わせるには単純すぎること
- 検証のセット
- 設定を選ぶのに使う、取っておいたデータ
30 の点に np.polyfit で合わせた次数 deg の多項式について (train_mse, val_mse) を返す errors(deg) を書いてください。それから best_degree に、自分の曲線から計算した、検証の誤差が最も低い 1 から 15 の次数を設定してください。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。