Učení s učitelem: Porovnání verzí

 

== Přeučení ==

Přeučení (overfitting) je stav, kdy je systém příliš přizpůsoben množině trénovacích dat, ale nemá schopnost generalizace a selhává na testovací (validační) množině dat. To se může stát např. při malém rozsahu trénovací množiny nebo pokud je systém příliš komplexní (např. příliš mnoho skrytých neuronů v [[Neuronová síť|neuronové síti]]. Řešením je zvětšení trénovací množiny, snížení složitosti systému nebo různé techniky [[regularizace_(matematika)|regularizace]] jako je zavedení náhodného šumu (což v zásadě odpovídá rozšíření trénovací množiny), zavedení omezení na parametry systému, které v důsledku snižuje složitost popisu naučené funkce, nebo předčasné ukončení (průběžné testování na validační množině a konec učení ve chvíli, kdy se chyba na této množině dostane do svého minima).

 

Při učení se používají [[trénovací data]] (nebo trénovací množina), [[testovací data]] a často [[validační data]].

 

{{Překlad|en|Supervised learning|299319638}}