Оценка сложности регрессионных моделей (пример)
Материал из MachineLearning.
(Различия между версиями)
| Строка 1: | Строка 1: | ||
Задача [[Регрессионный анализ|восстановления регрессии]] является частным случаем задачи | Задача [[Регрессионный анализ|восстановления регрессии]] является частным случаем задачи | ||
| - | [Машинное обучение| | + | [[Машинное обучение|обучения по прецедентам]]. При выборе модели, как и для всех задач |
обучения по прецедентам, возможны проблемы [[Переобучение|недообучения]] и | обучения по прецедентам, возможны проблемы [[Переобучение|недообучения]] и | ||
[[Переобучение|переобучения]]. | [[Переобучение|переобучения]]. | ||
Версия 11:53, 8 декабря 2010
Задача восстановления регрессии является частным случаем задачи обучения по прецедентам. При выборе модели, как и для всех задач обучения по прецедентам, возможны проблемы недообучения и 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.
