Kādi ir pārmācības iemesli?

Overfitting (pārāk liela pielāgošanās) notiek, kad modelis pārāk labi pielāgojas apmācības datiem, ieskaitot troksni un nejaušas svārstības, kas samazina tā spēju vispārināt uz jauniem datiem.

Galvenie iemesli:

• Pārāk sarežģīts modelis: liels parametru skaits attiecībā pret datu apjomu.
• Datu trūkums: maz piemēru apmācībai, kas noved pie modeļa detaļu atcerēšanās.
• Troksnis datos: kļūdu vai nerelevantu informāciju klātbūtne.
• Regulāras metodes trūkums: metožu neesamība, kas ierobežo modeļa sarežģītību.
• Pārāk daudz apmācības epizožu: modelis tiek apmācīts pārāk ilgi, pārāk labi pielāgojoties apmācības datiem.

Lai cīnītos ar overfitting, tiek izmantotas regulēšanas tehnikas, datu apjoma palielināšana, agrīna apstāšanās un modeļa vienkāršošana.