بیش‌برازش (Overfitting)
Overfitting
تعریف کوتاه
وضعیتی که مدل به‌جای یادگیری الگوی کلی، جزئیات و نویز داده‌های آموزشی را حفظ می‌کند و روی داده جدید ضعیف عمل می‌کند.
بیش‌برازش مثل دانشجویی است که پاسخ‌های آزمون‌های سال‌های قبل را از بر می‌کند اما در برابر سؤال تازه حیرت می‌کند؛ مدل داده‌های آموزشی را حفظ کرده بی‌آنکه الگوی عمومی را بفهمد. نشانه کلاسیک آن، دقت بالا روی داده آموزشی و افت محسوس روی داده آزمون است.
راه‌های مقابله شامل افزودن داده بیشتر، ساده‌سازی مدل، توقف زودهنگام آموزش و اعتبارسنجی متقابل است. این مفهوم فقط برای پژوهشگران نیست؛ هر کس با ابزارهای تحلیل داده یا تنظیم دقیق کار می‌کند، درک بیش‌برازش به او کمک می‌کند مدل‌های واقع‌بینانه بسازد.
واژه‌های مرتبط
داده آموزشی
مجموعه داده‌هایی که مدل هوش مصنوعی حین آموزش می‌بیند و از آن‌ها الگو یاد می‌گیرد.
یادگیری ماشین
روشی که در آن رایانه به‌جای برنامه‌نویسی مستقیم، از دل داده‌ها الگو یاد می‌گیرد و پیش‌بینی می‌کند.
شبکه عصبی
مدلی محاسباتی الهام‌گرفته از مغز انسان که از لایه‌هایی از گره‌های متصل برای یادگیری الگوها استفاده می‌کند.