Zrozumienie nadmiernej kontroli w uczeniu maszynowym

Nadmierna kontrola odnosi się do sytuacji, w której model jest zbyt precyzyjny i wychwytuje szum w danych, co skutkuje słabą wydajnością uogólniania. Innymi słowy, model jest nadmiernie dopasowany do danych uczących i słabo generalizuje na nowe, niewidoczne dane. W modelu przesterowanym współczynniki cech są zbyt duże i model jest w stanie dopasować szum do dokładne dane, ale ta precyzja odbywa się kosztem słabej wydajności generalizacji. Model staje się zbyt wyspecjalizowany w stosunku do danych uczących i nie udaje się uchwycić podstawowych wzorców danych.…
Aby uniknąć nadmiernej kontroli, ważne jest stosowanie odpowiednich technik regularyzacji, takich jak regularyzacja L1 lub L2, aby karać duże współczynniki i zapobiegać nadmiernemu dopasowaniu. Ponadto do oceny wydajności modelu na nowych danych i zapobiegania nadmiernemu dopasowaniu można zastosować techniki takie jak weryfikacja krzyżowa.