Оценка сложности регрессионных моделей (пример)
Материал из MachineLearning.
(Различия между версиями)
(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.
