Aşırı öğrenme, regularization ve bias-variance dengesi
Overfitting, modelin eğitim verisini o kadar iyi öğrenmesi ki test verisinde başarısız olmasıdır. Model kuralları öğrenmek yerine gürültüyü ezberler. Bu, ML'in en temel zorluklarından biridir.
📖Sınav Sorusu Ezberlemek
Bir öğrenci geçmiş sınav sorularının cevaplarını ezberler ama konuyu kavramaz. Yeni sorular geldiğinde başarısız olur. Overfitting tam da budur: modelin 'anlamaması', sadece ezberlemesi.
**Yüksek Bias (Underfitting):** Model çok basit, hem eğitim hem test hatası yüksek.…
**L2 (Ridge):** Büyük ağırlıkları penalize eder. Ağırlıkları sıfıra yaklaştırır ama tam sı…
💡En iyi overfitting önlemi daha fazla veridir. Regularization ve erken durdurma (early stopping) ikinci sıradadır. Veri artırma (augmentation), sınırlı veriden daha fazlasını elde etmenin pratik yoludur.
✦ Quiz
Modelinizin eğitim doğruluğu %98, test doğruluğu %72. Ne yapmalısınız?
Bağlantılı Konular