Openbare lespreview
Begrijp de twee meest voorkomende faalmodi van machine learning – overfitting en underfitting – met duidelijke voorbeelden en hoe u deze kunt oplossen.
Aan het einde van deze les begrijp je:
U hebt uw eerste machine learning-model getraind. Het presteert briljant op basis van uw trainingsgegevens: 98% nauwkeurigheid! Je test het op nieuwe gegevens en het valt uiteen: 61% nauwkeurigheid. Wat ging er mis? Het is vrijwel zeker dat uw model overfit heeft. Dit is een van de twee meest voorkomende faalwijzen bij machinaal leren, en het begrijpen ervan – naast het tegenovergestelde, underfitting – is essentieel voor het bouwen van modellen die daadwerkelijk werken in de echte wereld.
Overfitting en underfitting: waarom ML-modellen falen is onderdeel van AI Sprouts
Overfitting en underfitting: waarom ML-modellen falen is onderdeel van AI Sprouts. Upgrade om de volledige les, quizzen, voortgangsregistratie en elke academie te ontgrendelen.
7 dagen gratis. Altijd opzegbaar, zonder vragen.