Koje greške u trening ciklusu mogu pogoršati učenje i kvalitet modela?

Greške u trening ciklusu koje mogu pogoršati učenje i kvalitet modela uključuju:

• Neispravna priprema podataka: neuravnotežene klase, šumoviti ili netačni podaci dovode do loše sposobnosti generalizacije.
• Prekomerno prilagođavanje (overfitting): model se previše prilagođava trening podacima i loše radi na novim podacima.
• Podprilagođavanje (underfitting): model je previše jednostavan ili je obuka prekinuta prerano.
• Neprikladan izbor hiperparametara: prevelika ili premala stopa učenja, pogrešan batch size itd.
• Nedostatak regularizacije: odsustvo dropout-a, L2 regularizacije i drugih metoda za borbu protiv overfitting-a.
• Problemi sa optimizacijom: netačan algoritam optimizacije, odsustvo normalizacije podataka.
• Neispravno deljenje podataka: curenje podataka između trening i test skupova.

Sve ove greške mogu dovesti do smanjenja tačnosti, nestabilnosti modela i loše generalizacije.