Lo primero que debe hacer es buscar la definición de sobreajuste. El sobreajuste generalmente se refiere cuando el error de entrenamiento es bajo, pero el error de generalización es alto. En la práctica, puede medir esto generalmente comprobando el error de tren de su modelo y el error de prueba de su modelo. Si la diferencia entre ellos es realmente alta, tu sobreajuste. Si el valor absoluto de ambos es realmente alto, entonces es probable que tenga un ajuste insuficiente. No olvide que la falta de equipamiento también es una cosa y puede ser causada por hacer que un modelo sea simple en un intento honesto de generalizar mejor.
Para responder a su pregunta más directamente más allá de los conceptos erróneos obvios, no, lo más probable es que no haya “desafortunadamente” sobreentrenado, especialmente si el modelo puede entrenarse en un solo paso y tiene una solución única (como mínimos cuadrados). La detención temprana existe, pero si no conoce la definición de sobreajuste, hablar de la detención temprana parece inapropiado. Una cosa a la vez.
- ¿Qué conocimiento debo tener antes de aprender el aprendizaje automático?
- ¿Cuáles son algunas aplicaciones de PageRank que no sean motores de búsqueda?
- Cómo elegir un tema de tesis doctoral en aprendizaje profundo
- ¿Cómo podemos usar Tensorflow para problemas de clasificación?
- ¿Cuáles son las lecciones del desafío del Premio Netflix?