Makine Öğreniminde Aşırı Tamamlanmış Özellikleri Anlamak

Aşırı tamamlama, bir modelin veya bir dizi özelliğin çok karmaşık olduğu ve verilerde gerekenden daha fazla çeşitlilik yakaladığı bir durumu ifade eder. Başka bir deyişle, model veya özellikler, temel kalıplardan ziyade verideki gürültüye uyum sağlayabilmektedir. Model, eğitim verilerine aşırı derecede özelleştikçe bu, yeni veriler üzerinde zayıf genelleme performansına yol açabilir.

Özellik seçimi bağlamında, aşırı tamamlama, verilerdeki önemli varyasyonları yakalamak için gerekenden daha fazla özelliğin olduğu bir durumu ifade eder. . Örneğin, bir modelde 100 özellik varsa ancak bunlardan yalnızca 20'si sorunla gerçekten ilgiliyse, diğer 80 özelliğin fazla tamamlanmış olduğu kabul edilir.