Bir ML modeli, eğitim verileri üzerinde müşteri kaybını iyi tahmin ediyor ancak yeni verilerde başarısız oluyor. Bu aşırı uyum (overfitting) sorununu gidermesi en olası değişiklik hangisidir?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Model karmaşıklığını azaltmak için düzenlileştirme (regularization) parametresini artırın..
Neden bu cevap
Aşırı uyum (overfitting), modelin eğitim verilerini çok iyi öğrenmesi ancak genelleme yeteneğini kaybetmesi durumudur. Düzenlileştirme (regularization), modelin ağırlıklarını cezalandırarak karmaşıklığını azaltır ve aşırı uyumu önler. Düzenlileştirme parametresini artırmak, bu cezayı güçlendirerek modelin daha basit bir çözüm bulmaya zorlar ve yeni verilerdeki performansını iyileştirir. Düzenlileştirme parametresini azaltmak modelin daha karmaşık olmasına izin verir ve aşırı uyumu artırır. Daha fazla girdi özelliği eklemek veya modeli daha fazla epoch için eğitmek, genellikle aşırı uyumu daha da kötüleştirir.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez