Een ML-model dat is getraind op SageMaker is aan het overfitten en de trainingsset bevat irrelevante features. Welke actie moet de engineer ondernemen om overfitting te verminderen en de invloed van onnodige features te verkleinen?

L1-regularisatie (Lasso-regularisatie) voegt een penaltyterm toe aan de kostenfunctie die evenredig is met de absolute waarde van de coëfficiënten van het model. Dit dwingt sommige coëfficiënten naar nul, wat resulteert in feature-selectie en het verminderen van de complexiteit van het model. Dit helpt overfitting te verminderen en de invloed van irrelevante features te verkleinen. Het verhogen van trainingsiteraties kan overfitting verergeren. Het verlagen van trainingsiteraties kan leiden tot underfitting. SageMaker Debugger is een tool voor het monitoren en debuggen van trainingsjobs, niet voor het toepassen van regularisatie.