Bir mühendis, eğitim setinde güçlü performans gösteren ancak değerlendirme verilerinde kötü performans gösteren bir model eğitiyor. Bunun en olası açıklaması nedir?

Modelin eğitim setinde güçlü performans gösterip değerlendirme verilerinde kötü performans göstermesi, modelin eğitim verilerini ezberlediğini ancak yeni, görünmeyen verilere genelleme yapamadığını gösterir. Bu durum, aşırı uyum (overfitting) olarak adlandırılır. Aşırı uyum, modelin eğitim verilerindeki gürültüyü ve rastgele desenleri öğrenmesiyle ortaya çıkar. Diğer seçenekler: Model underfit durumdadır: Yetersiz uyum (underfitting) durumunda, model hem eğitim hem de değerlendirme verilerinde kötü performans gösterir çünkü temel desenleri öğrenememiştir. Model prompt engineering gerektiriyor: Prompt engineering, genellikle büyük dil modelleriyle ilgili bir kavramdır ve modelin performansını doğrudan etkilemez, daha çok modelden istenen çıktının kalitesini belirler. Model yanlıdır (biased): Modelin yanlı olması, belirli gruplara karşı sistematik hatalar yapması anlamına gelir, ancak eğitim ve değerlendirme setleri arasındaki performans farkını doğrudan açıklamaz.