Все хотят, чтобы их модельки обучались идеально, никто не хочет сталкиваться с переобучением и недообучением - явлениями в машинном обучении, которые говорят о плохой способности моделей восстанавливать закономерности из данных. В этом видео рассмотрим, как отловить переобучение, какие есть признаки недообучения и что такое идеальное обучение.
Курсы на платформе Stepik:
1. Библиотеки Python для Data Science [ Ссылка ]
2. Введение в нейронные сети (Keras/Tensorflow) [ Ссылка ]
Для лучшего усвоения переобучения сначала ознакомьтесь с метриками для задачи регрессии ([ Ссылка ]) и алгоритмом построения дерева решений ([ Ссылка ]).
Презентация из видео: [ Ссылка ]
Ноутбук из видео: [ Ссылка ]
0:00 Введение
0:15 Получение данных
1:18 Разбиение на обучающую выборку и тестовую
1:49 Переобучение (Overfitting)
5:26 Недообучение (Underfitting)
7:57 Нормальное обучение
10:14 Резюме
