Ce greșeli în ciclul de antrenament pot afecta negativ învățarea și calitatea modelului?

Erorile din ciclul de antrenament care pot afecta negativ învățarea și calitatea modelului includ:

• Pregătirea incorectă a datelor: clase dezechilibrate, date zgomotoase sau incorecte conduc la o capacitate slabă de generalizare.
• Overfitting: modelul se potrivește prea bine datelor de antrenament și performează slab pe date noi.
• Underfitting: modelul este prea simplu sau antrenamentul a fost oprit prea devreme.
• Alegerea inadecvată a hiperparametrilor: rată de învățare prea mare sau prea mică, dimensiunea batch-ului incorectă etc.
• Lipsa regularizării: absența dropout-ului, regularizarea L2 și alte metode de combatere a overfitting-ului.
• Probleme de optimizare: algoritm de optimizare incorect, lipsa normalizării datelor.
• Divizarea incorectă a datelor: scurgere de date între seturile de antrenament și test.

Toate aceste erori pot duce la scăderea acurateței, instabilitate a modelului și o generalizare slabă.