Ev fiyatlarını tahmin etmek için bir regresyon modeli uyarlandı ancak hem eğitim hem de test kümelerinde kötü performans gösteriyor (her ikisinde de yüksek hata var). Veri bilimci model doğruluğunu artırmak için hangi eylemleri yapmalıdır? Üç tane seçin.

Model hem eğitim hem de test kümelerinde kötü performans gösteriyorsa (yüksek hata), bu durum modelin yetersiz öğrenme (underfitting) yaşadığını gösterir. Yetersiz öğrenme durumunda model, verideki temel kalıpları öğrenemez. Modelin düzenlileştirme gücünü azaltmak, modelin veri üzerinde daha karmaşık ilişkiler öğrenmesine olanak tanır ve yetersiz öğrenmeyi azaltır. Düzenlileştirme gücünü artırmak ise modeli daha da basitleştirerek yetersiz öğrenmeyi kötüleştirir. Eğitim örneklerinin sayısını artırmak, modelin daha fazla veri görmesini ve daha iyi genelleme yapmasını sağlayarak performansı artırabilir. Girdi özelliklerinin sayısını artırmak (daha fazla ilgili özellik eklemek), modelin tahmin yapmak için daha fazla bilgiye sahip olmasını sağlar ve bu da yetersiz öğrenmeyi azaltabilir. Girdi özelliklerinin sayısını azaltmak ise modelin kullanabileceği bilgi miktarını kısıtlayarak yetersiz öğrenmeyi kötüleştirebilir. Değerlendirme için kullanılan test örneklerinin sayısını artırmak, modelin performansının daha güvenilir bir şekilde ölçülmesini sağlar ancak modelin kendisinin performansını doğrudan artırmaz.