Slabi modeli u mašinskom učenju manifestuju se kroz nisku tačnost predviđanja, lošu sposobnost generalizacije i nemogućnost da uhvate složene zavisnosti u podacima. Obično se to izražava:

Visokom greškom na trening podacima (underfitting).
Nemogućnošću modela da identifikuje značajne karakteristike.
Jednostavnim linearnim ili previše ograničenim arhitekturama koje ne mogu adekvatno opisati podatke.

Na primer, ako model ne može pravilno klasifikovati čak ni jednostavne primere iz skupa za obuku, to je znak slabog modela.

Претходно Следеће