Оценка сложности регрессионных моделей (пример)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: Задача восстановления регрессии является частным случаем задачи обучения по...)
Строка 1: Строка 1:
Задача [[Регрессионный анализ|восстановления регрессии]] является частным случаем задачи
Задача [[Регрессионный анализ|восстановления регрессии]] является частным случаем задачи
-
обучения по прецедентам. При выборе модели, как и для всех задач
+
[Машинное обучение|[обучения по прецедентам]]. При выборе модели, как и для всех задач
-
обучения по прецедентам, возможны проблемы недообучения и
+
обучения по прецедентам, возможны проблемы [Переобучение|[недообучения]] и
-
переобучения.
+
[Переобучение|[переобучения]].
В случае недообучения, модель '''недостаточно сложна''' для описания
В случае недообучения, модель '''недостаточно сложна''' для описания

Версия 11:52, 8 декабря 2010

Задача восстановления регрессии является частным случаем задачи [Машинное обучение|[обучения по прецедентам]]. При выборе модели, как и для всех задач обучения по прецедентам, возможны проблемы [Переобучение|[недообучения]] и [Переобучение|[переобучения]].

В случае недообучения, модель недостаточно сложна для описания данных с требуемой точностью. А в случае переобучения, возникающего при избыточной сложности моделей, средняя ошибка на тестовой выборке существенно выше,чем на обучающей выборке.

Таким образом, для каждой задачи существует оптимальная сложность модели.