Müfredat 250 dersinden 95. · İlk Makine Öğrenmesi Modellerin
İlk Makine Öğrenmesi Modellerin

Eksik Öğrenme ve Aşırı Öğrenme

Bu, makine öğrenimindeki temel gerilimdir ve artık bunu doğrudan görebilmek için araçlara sahipsin. Bir model iki zıt şekilde başarısız olabilir.

  • Underfitting: model deseni yakalamak için çok basit. Hem eğitim verisinde hem de test verisinde kötü performans gösteriyor. Belirgin şekilde kavisli bir veri üzerinden düz bir çizgi çizdiğini düşün.
  • Overfitting: model çok karmaşık ve eğitim verilerini, içindeki gürültü ve tuhaflıklarla birlikte ezberliyor. Genel kural yerine özel örnekleri öğrendiği için eğitimde harika, testte ise kötü sonuç veriyor.

bir karar ağacının karmaşıklığı, kendisine izin verilen soru katmanı sayısı olan max_depth tarafından kontrol edilir:

shallow = DecisionTreeClassifier(max_depth=1, random_state=0)   # too simple
deep    = DecisionTreeClassifier(max_depth=None, random_state=0) # unlimited

A derinliği-1 ağaç sadece tek bir soru sorabilir, bu yüzden kaba olmak zorunda kalır ve genellikle yetersiz öğrenme eğilimi gösterir. Sınırsız derinlikteki bir ağaç, eğitim satırlarını ayırana kadar bölmeye devam eder, bu yüzden training doğruluğunu mükemmel bir 1.0 seviyesine çıkarabilirken görülmemiş test satırlarında daha kötü sonuç verebilir.

Aşırı öğrenmenin belirgin işareti bir gap: eğitim doğruluğunun test doğruluğundan çok daha yüksek olmasıdır. Bir modeli ayarlama sanatı, sadece önemli olan test verisinde iyi sonuç veren orta seviye karmaşıklığı bulmaktır.

Hem sığ hem de derin bir ağaç eğiteceksin, her biri için eğitim ve test doğruluğunu kaydedeceksin ve ilişkinin rakamlarda görünmesi için aşırı öğrenme farkını hesaplayacaksın.

Senin sıran

Gürültülü bir veri seti ve bir train/test ayrımı zaten hazır. Eğitim verileri üzerinde shallow = DecisionTreeClassifier(max_depth=1, random_state=0) ve deep = DecisionTreeClassifier(max_depth=None, random_state=0) eğit. Dört sayı kaydet: shallow_train, shallow_test, deep_train, deep_test (her ağaç için eşleşen kümedeki accuracy). Sonra overfit_gap = deep_train - deep_test ayarla.

Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor

Bu alıştırma yakında açılacak

Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.