Nima bu ortiqcha o'qitish? Buning oldini olishning qanday usullari mavjud?

Overfitting (ortiqchashtirish) — bu, mashina o'qitish modelining o'qitish ma'lumotlariga juda yaxshi moslashishi, shovqin va tasodifiy tebranishlarni ham o'z ichiga olgan holda, va shuning uchun yangi, ko'rinmagan ma'lumotlarga yaxshi umumiylashmasligi holatidir.

Overfitting bilan kurashish usullari:

• Regulyarizatsiya (L1, L2) — modelning murakkabligiga jazo qo'shish, juda katta vaznlarni oldini olish uchun.
• Erta to'xtash — validatsiya to'plamidagi sifat yomonlashishni boshlaganida o'qitishni to'xtatish.
• Ma'lumot hajmini oshirish — ko'proq ma'lumot modelga yaxshiroq umumiylashishga yordam beradi.
• Kross-validatsiya — modelning umumiylashish qobiliyatini baholash va parametrlarni tanlashda yordam beradi.
• Dropout (neyron tarmoqlar uchun) — o'qitish davomida neyronlarni tasodifiy o'chirish, ma'lum xususiyatlarga bog'liqlikni oldini olish.
• Modelni soddalashtirish — parametrlar yoki qatlamlar sonini kamaytirish.

Lineer regressiyada regulyarizatsiya misoli:

from sklearn.linear_model import Ridge
model = Ridge(alpha=1.0)  # L2 regulyarizatsiya
model.fit(X_train, y_train)