Sie trainieren einen Spam-Klassifikator und stellen Overfitting fest. Welche drei Maßnahmen helfen, Overfitting zu reduzieren? (Wählen Sie drei.)

Overfitting tritt auf, wenn ein Modell zu komplex ist und das Trainingsrauschen lernt, anstatt die zugrunde liegenden Muster zu generalisieren. Mehr Trainingsbeispiele helfen, da das Modell mehr Datenpunkte zur Verallgemeinerung hat und weniger anfällig für das Auswendiglernen spezifischer Rauschmuster wird. Die Verwendung eines kleineren Satzes von Features reduziert die Modellkomplexität, indem weniger Eingabevariablen berücksichtigt werden, was die Wahrscheinlichkeit verringert, dass das Modell irrelevante oder verrauschte Features lernt. Das Erhöhen der Regularisierungsparameter fügt eine Strafe für große Koeffizienten hinzu, was das Modell dazu zwingt, einfachere Lösungen zu finden und die Modellkomplexität zu reduzieren. Das Reduzieren der Trainingsbeispiele, die Verwendung eines größeren Satzes von Features oder das Verringern der Regularisierungsparameter würden Overfitting eher verschlimmern.