Aşırı öğrenme

Yeşil çizgi aşırı uyan bir modeli, siyah çizgi iyi uyan bir modeli göstermektedir. Yeşil çizgi eğitim kümesine daha çok uymasına rağmen yeni karşılaşılan verilere uyum sağlamakta zorlanacaktır.

İstatistikte, aşırı uyma, üretilen bir analizin belirli bir veri kümesine aşırı oranda uyum göstermesi, dolayısıyla bu veri kümesinde yer almayan yeni verilere uyum sağlayamaması problemidir.^[1] Aşırı uyan bir modelde verinin gerektirdiğinden daha fazla parametre vardır.^[2] Bunun temel sebebi, verinin elde edilişinde ortaya çıkan sapmaları (gürültü) da kapsayacak bir analiz yapılmış olmasıdır.^[3]

Ayrıca bakınız[değiştir | kaynağı değiştir]

Kaynakça[değiştir | kaynağı değiştir]

^ Alpaydın, Ethem (2009). Introduction to Machine Learning (2 bas.). MIT press. s. 39.
^ Everitt B.S., Skrondal A. (2010), Cambridge Dictionary of Statistics, Cambridge University Press.
^ Anderson, D. R. (2002). Model Selection and Multimodel Inference (2.2soyadı=Burnham bas.). Springer-Verlag. Yazar |ad1= eksik |soyadı1= (yardım)

[alpaydin-1] Alpaydın, Ethem (2009). Introduction to Machine Learning (2 bas.). MIT press. s. 39.

[CDS-2] Everitt B.S., Skrondal A. (2010), Cambridge Dictionary of Statistics, Cambridge University Press.

[BA2002-3] Anderson, D. R. (2002). Model Selection and Multimodel Inference (2.2soyadı=Burnham bas.). Springer-Verlag. Yazar |ad1= eksik |soyadı1= (yardım)

[1]

[2]

[3]