Overfitting زمانی رخ میدهد که مدل روی داده آموزش بیش از حد تطبیق پیدا کند و در داده جدید عملکرد ضعیف داشته باشد. برای جلوگیری، باید از منظمسازی (Regularization)، dropout یا داده بیشتر استفاده کرد. همچنین تقسیم درست دادهها اهمیت زیادی دارد. هدف، تعادل بین یادگیری و تعمیمپذیری است.
برای مشاهدهٔ ادامه، خرید کنید
دسترسی سریع و فوری