การติดตั้งมากเกินไปเป็นปัญหาทั่วไปในแมชชีนเลิร์นนิง โดยที่โมเดลมีความซับซ้อนมากเกินไปและเหมาะสมกับข้อมูลการฝึกมากเกินไป ส่งผลให้ทำงานได้ไม่ดีกับข้อมูลใหม่ สิ่งนี้เกิดขึ้นเมื่อโมเดลเรียนรู้ไม่เพียงแค่สัญญาณ (รูปแบบ) ในข้อมูล แต่ยังรวมถึงสัญญาณรบกวน (ความผันผวนแบบสุ่ม) ในข้อมูลการฝึกด้วย การติดตั้งมากเกินไปอาจเกิดขึ้นได้จากหลายปัจจัย เช่น การใช้คุณสมบัติมากเกินไป มีตัวอย่างน้อยเกินไปในการฝึก หรือการฝึกโมเดลนานเกินไป สิ่งสำคัญคือต้องป้องกันไม่ให้มีฟิตติ้งมากเกินไปโดยใช้เทคนิคต่างๆ เช่น การทำให้เป็นมาตรฐาน การหยุดก่อนกำหนด หรือการเพิ่มจำนวนข้อมูลการฝึก
วันที่เผยแพร่: