Silpni modeliai mašininio mokymosi srityje pasireiškia žema prognozių tikslumu, prasta bendrosios gebėjimo ir nesugeba užfiksuoti sudėtingų priklausomybių duomenyse. Paprastai tai pasireiškia:

Aukšta klaida mokymo duomenyse (underfitting).
Modelio nesugebėjimas išskirti reikšmingų požymių.
Paprastos linijinės arba labai ribotos architektūros, kurios negali tinkamai aprašyti duomenų.

Pavyzdžiui, jei modelis negali teisingai klasifikuoti net paprastų pavyzdžių iš mokymo rinkinio, tai yra silpno modelio ženklas.

Ankstesnis Kitas