Trang bị quá mức là một vấn đề phổ biến trong học máy khi một mô hình quá phức tạp và quá khớp với dữ liệu đào tạo, khiến nó hoạt động kém trên dữ liệu mới. Điều này xảy ra khi mô hình không chỉ học tín hiệu (mẫu) trong dữ liệu mà còn cả nhiễu (dao động ngẫu nhiên) trong dữ liệu huấn luyện. Việc trang bị quá mức có thể xảy ra do nhiều yếu tố khác nhau, chẳng hạn như sử dụng quá nhiều tính năng, có quá ít ví dụ để đào tạo hoặc đào tạo một mô hình quá lâu. Điều quan trọng là ngăn chặn việc trang bị quá mức bằng cách sử dụng các kỹ thuật như chính quy hóa, dừng sớm hoặc tăng lượng dữ liệu huấn luyện.
Ngày xuất bản: