De validatieprestaties van een eenvoudig neuraal netwerk verbeteren aanvankelijk, maar verslechteren daarna na een bepaald aantal epochs. Welke van de volgende wijzigingen zou deze degradatie helpen voorkomen? (Kies er twee.)

De verslechtering van de validatieprestaties na een bepaald aantal epochs duidt op overfitting, waarbij het model te goed leert van de trainingsgegevens en generalisatie naar nieuwe gegevens afneemt. Early stopping is een techniek die de training stopt zodra de prestaties op de validatieset niet langer verbeteren, wat overfitting direct tegengaat. Dropout is een regularisatietechniek die willekeurig een deel van de neuronen uitschakelt tijdens de training, waardoor het netwerk minder afhankelijk wordt van specifieke neuronen en robuuster wordt, wat overfitting vermindert. Meer lagen toevoegen of het aantal neuronen per laag verhogen kan het model complexer maken en het risico op overfitting juist vergroten. Het beperken van model bias is belangrijk voor eerlijkheid en nauwkeurigheid, maar pakt niet direct het probleem van overfitting aan.