반응형 Machine learning2 [Machine Learning]훈련 데이터 과대적합/과소적합(Overfitting/Underfitting) 과대적합(Overfitting) 원인 : train set에 잡음이 많거나 data set이 너무 작으면 잡음이 섞인 패턴을 감지 해결방법 : 파라미터 수가 적은 모델을 선택, 훈련 데이터의 특성 수를 줄이거나, 모델에 제약을 가하여 단순화시킴 모델을 단순하게 하고 과대적합의 위험을 감소시키기 위해 제약을 가하는 것 ->규제(regularization) 규제의 양은 하이퍼파라미터가 결정 과소적합(Underfitting) 원인 : 모델이 너무 단순해서 데이터의 내재된 구조를 학습하지 못할때 일어남 해결방법 : 모델 파라미터가 더 많은 강력한 모델을 선택, 학습 알고리즘에 더 좋은 특성을 제공, 모델의 제약을 줄임(규제 하이퍼파라미터 감소) 2024. 4. 8. [machine learning] Light GBM - Gradient Boostiong Decision Tree 알고리즘, Decision Tree 앙상블 모델 - 트리 기반 학습 알고리즘의 프레임워크 - 트리를 수직으로 확장 - 과적합이 되기 쉬우므로 max_depth 줄여야함 - 데이터 양이 적을 경우 과적합에 취약하므로 데이터 양이 10,000개 이상일 때 좋음 2023. 6. 8. 이전 1 다음 반응형
