Hiểu các tính năng chưa hoàn thiện trong Machine Learning

Quá đầy đủ đề cập đến tình huống trong đó một mô hình hoặc một tập hợp các tính năng quá phức tạp và thu được nhiều biến thể trong dữ liệu hơn mức cần thiết. Nói cách khác, mô hình hoặc các tính năng có thể điều chỉnh nhiễu trong dữ liệu thay vì các mẫu cơ bản. Điều này có thể dẫn đến hiệu suất khái quát hóa kém trên dữ liệu mới, do mô hình trở nên quá chuyên biệt đối với dữ liệu huấn luyện.

Trong bối cảnh lựa chọn tính năng, quá đầy đủ đề cập đến tình huống có nhiều tính năng hơn mức cần thiết để nắm bắt các biến thể quan trọng trong dữ liệu . Ví dụ: nếu một mô hình có 100 đặc điểm nhưng chỉ có 20 trong số đó thực sự phù hợp với vấn đề thì 80 đặc điểm còn lại được coi là chưa đầy đủ.