Underfitting چیست؟
زمانی که مدلی الگوهای موجود در داده های آموزشی را به خوبی یاد نگرفته باشد و نتواند به خوبی بر روی داده های جدید تعمیم دهد، به آن underfitting می گویند. یک مدل underfit عملکرد ضعیفی در داده های آموزشی دارد و منجر به پیش بینی های غیر قابل اعتماد خواهد شد. عدم تناسب به دلیل سوگیری زیاد و واریانس کم رخ می دهد.
دلایل Underfitting
-
داده های مورد استفاده برای آموزش پاک نشده و حاوی نویز است .
-
مدل بایاس بالایی دارد
-
اندازه مجموعه داده آموزشی مورد استفاده کافی نیست
-
مدل خیلی ساده است
راه های مقابله با Underfitting
-
تعداد ویژگی های مجموعه داده را افزایش دهید
-
افزایش پیچیدگی مدل
-
کاهش نویز در داده ها
-
مدت زمان آموزش داده ها را افزایش دهید