Γλωσσάριο

Καμπύλη μάθησης

Τι είναι Καμπύλη μάθησης;

Στη μηχανική μάθηση, η καμπύλη μάθησης είναι ένα γράφημα που δείχνει την απόδοση ή το σφάλμα ενός μοντέλου ανά χρόνο εκπαίδευσης ή ανά όγκο δεδομένων εκπαίδευσης, συνήθως χωριστά για τα δεδομένα εκπαίδευσης και επικύρωσης. Το σχήμα της αποκαλύπτει αν ένα μοντέλο υποπροσαρμόζεται ή υπερπροσαρμόζεται και αν περισσότερα δεδομένα είναι πιθανό να βοηθήσουν. Αν, για παράδειγμα, το σφάλμα επικύρωσης παραμένει πολύ πάνω από το σφάλμα εκπαίδευσης, αυτό υποδεικνύει υπερπροσαρμογή. Στην καθημερινή γλώσσα, ο όρος περιγράφει επίσης πόσο γρήγορα οι άνθρωποι κατακτούν μια νέα τεχνολογία.

Θέματα

Training
Αξιολόγηση μοντέλων
διαγνωστικά

Δοκιμάστε το KI.ordo

Πράκτορες, ροές εργασιών και πρότυπα σε έναν χώρο εργασίας – δωρεάν επίδειξη 24 ωρών.

Έναρξη επίδειξης

← Όλοι οι όροι

Σχετικοί όροι

Σύγκλιση

Στη μηχανική μάθηση, σύγκλιση σημαίνει ότι μια διαδικασία εκπαίδευσης πλησιάζει σε μια σταθερή κατάσταση: η απώλεια μειώνεται πια ελάχιστα και οι παράμετροι του μοντέλου αλλάζουν μόνο οριακά. Το κατά πόσον και πόσο γρήγορα συγκλίνει ένα μοντέλο εξαρτάται από παράγοντες όπως ο ρυθμός μάθησης, η ποιότητα των δεδομένων και η αρχιτεκτονική του μοντέλου. Αν ο ρυθμός μάθησης είναι πολύ υψηλός, η απώλεια αναπηδά· αν είναι πολύ χαμηλός, η εκπαίδευση διαρκεί άσκοπα πολύ. Η σύγκλιση δεν εγγυάται ένα καλό μοντέλο, καθώς μπορεί να είναι ακόμη υπερπροσαρμοσμένο.

Training
βελτιστοποίηση
+1

Overfitting

Η υπερπροσαρμογή (overfitting) προκύπτει όταν ένα μοντέλο απομνημονεύει τα δεδομένα εκπαίδευσης, συμπεριλαμβανομένων τυχαίων ιδιομορφιών και θορύβου, αντί να συλλαμβάνει γενικά ισχύοντα πρότυπα. Τότε φαίνεται πολύ ακριβές στα γνωστά δεδομένα, αλλά αποδίδει άσχημα σε νέα. Ένα μεγάλο χάσμα ανάμεσα στο σφάλμα εκπαίδευσης και δοκιμής είναι τυπική ένδειξη. Τα αντίμετρα περιλαμβάνουν περισσότερα ή πιο ποικίλα δεδομένα, απλούστερα μοντέλα, κανονικοποίηση, dropout και διασταυρούμενη επικύρωση.

ποιότητα μοντέλου
εκπαίδευση
+1

Underfitting

Η υποπροσαρμογή (underfitting) προκύπτει όταν ένα μοντέλο είναι υπερβολικά απλό για να συλλάβει τις σχέσεις στα δεδομένα. Τότε κάνει πολλά σφάλματα τόσο στα δεδομένα εκπαίδευσης όσο και στα νέα, για παράδειγμα όταν χρησιμοποιείται μια ευθεία για να αναπαραστήσει ένα σαφώς καμπύλο μοτίβο. Τα διορθωτικά μέτρα περιλαμβάνουν ένα πιο ισχυρό μοντέλο, πιο πληροφοριακά χαρακτηριστικά, μακρύτερη εκπαίδευση ή λιγότερη κανονικοποίηση· το αντίθετο πρόβλημα είναι η υπερπροσαρμογή.

Μηχανική μάθηση
ποιότητα μοντέλου
+1

Σφάλμα εκπαίδευσης

Το σφάλμα εκπαίδευσης δείχνει κατά πόσο αποκλίνουν οι προβλέψεις ενός μοντέλου από τις σωστές τιμές ακριβώς στα δεδομένα στα οποία εκπαιδεύτηκε. Από μόνο του λέει λίγα: σημασία έχει η σύγκριση με το σφάλμα γενίκευσης σε νέα δεδομένα. Ένα υψηλό σφάλμα εκπαίδευσης υποδεικνύει υποπροσαρμογή· ένα πολύ χαμηλό σφάλμα εκπαίδευσης σε συνδυασμό με υψηλό σφάλμα στα δεδομένα δοκιμής συνήθως σηματοδοτεί υπερπροσαρμογή.

Μηχανική μάθηση
Αξιολόγηση
+1