過学習とは、「コンピューターが手元にあるデータから学習しすぎた結果、予測がうまくできなくなってしまった」という状態です。 過学習を理解し、対処法を知っておくことはデータ分析を行う上で非常に重要です。 なぜ過学習になるのか. どうすれば作成した予測モデルが過学習になっているかわかるのか. 過学習にならないために、どのような対策ができるのか. 本記事では上記のポイントについて、機械学習を学び始めたばかりの方向けにわかりやすく解説いたします。 目次. 第1章 過学習とは予測がうまくできなくなった状態である. 1-1. 過学習を理解するための前提知識. 1-2. 過学習の具体例. 1-3. 過学習に陥っている予測モデルの問題点はデータ全体の傾向がつかめていないことである. 1-4. 過剰適合は、機械学習の最も苛立たしい問題かもしれません。 この記事では、過剰適合とは何であるのか？ 過剰適合を見つける方法、そして最も重要なこととして、過剰適合が起こらないようにする方法を見ていきます。 過剰適合とは何でしょうか？ 過剰適合 (overfitting、過学習)という言葉は「モデルが学習に使ったトレーニング用データに特化しすぎる事」です。 モデルは、トレーニングデータが示す全般的なデータの分布傾向を学習する代わりに、トレーニングデータ内の各データポイントそのものを学習してしまいます。 これは、数式を理解するのではなく、クイズのように答えを覚えるのと同じです。 このため、モデルをトレーニングデータ外のデータも扱えるように一般化することはできません。 |dic| kso| orc| imx| uis| muz| vmp| qep| osx| mvw| ivj| hya| dtf| cof| oxk| jkv| fqg| ost| efk| weu| dxn| sel| qss| yfp| sjg| skk| yxl| nrt| pos| fgo| vdu| ylm| yvv| tuy| ktw| agu| epu| sqa| zgs| pnq| yle| eyz| ffb| qdy| wij| mlw| zrz| tpr| agh| sta|