ما المقصود بـفرط التخصيص (Overfitting)؟
يُسمّى أيضًا: Overfitting
فرط التخصيص يعني أن النموذج يحفظ أمثلة التدريب عن ظهر قلب فيخفق في الحالات الجديدة.
مثال
يتعرف نموذج على كل صور التدريب تمامًا، لكنه يخطئ في صور بإضاءة مختلفة.
للمحترفين
يُكتشف عندما يرتفع الخطأ على بيانات الاختبار بينما ينخفض على بيانات التدريب. العلاج بيانات أكثر وأكثر تنوعًا، والتنظيم، وإيقاف التدريب مبكرًا. وقد «تُفرط» المعايير أيضًا إذا تسربت أسئلة الاختبار إلى بيانات التدريب.
كتبه فريق AI Compare Ninja بمساعدة الذكاء الاصطناعي وراجعه بنفسه. كل شرح هنا نص من تأليفنا.