Кайра даярдоо деген эмне? Ага каршы күрөшүүнүн кандай жолдору бар?

Overfitting (чамалуу) — бул, машина үйрөнүү моделинин машыктын маалыматтарына өтө жакшы ылайыкташып, шу менен кошо шуу жана кездейсөз жогорулаган өзгөрүүлөрдү да камтыйт, жана натыйжада жаңы, көрүлбөгөн маалыматтарга начар жалпылоо.

Overfitting менен күрөшүү жолдору:

• Регуляризация (L1, L2) — моделдин кыйынчылыгына жазаны кошуу, өтө чоң салмактарды алдын алуу үчүн.
• Эрте токтотуу — үйрөтүүнү токтотуу, валидация топтомуна сапат начарлай баштаганда.
• Маалымат көлөмүн көбөйтүү — көбүрөөк маалымат моделге жакшыраак жалпылоого жардам берет.
• Кросс-валидация — моделдин жалпылоо жөндөмүн баалоо жана параметрлерди тууралоо.
• Dropout (нейрондук тармактар үчүн) — үйрөтүү учурунда нейрондорду кездейсоқ өчүрүү, белгилүү бир өзгөчөлүктөргө көзкаранды болууну алдын алуу.
• Моделди жөнөкөйлөтүү — параметрлердин же катмардын санын кыскартуу.

Linearly regressionда регуляризациянын мисалы:

from sklearn.linear_model import Ridge
model = Ridge(alpha=1.0)  # L2 регуляризациясы
model.fit(X_train, y_train)