Data Science - собесы

🤔 В чем заключается проблема овер фитинг? Проблема переобучения (overfitting) заключается в том, что модель машинного обучения слишком хорошо подстраивается под обучающие данные, включая их шум и случайные колебания, что приводит к плохой обобщающей способности на новых, невидимых данных. Переобученная модель имеет высокую точность на обучающих данных, но плохо работает на тестовых или реальных данных. 🚩Причины переобучения 🟠Слишком сложная модель Модель имеет слишком много параметров относительно объема данных. Например, глубокая нейронная сеть с множеством слоев и узлов. 🟠Малый объем данных Недостаточно данных для обучения модели, что приводит к тому, что модель запоминает отдельные примеры вместо выявления общих закономерностей. 🟠Шумные данные Наличие шума или выбросов в данных, которые модель начинает интерпретировать как важные закономерности. 🚩Признаки переобучения 🟠Высокая точность на обучающих данных и низкая на тестовых данных Если модель показывает очень высокую точность на данных, на которых она обучалась, и низкую точность на новых данных, это явный признак переобучения. 🟠Сложные модели с высокими коэффициентами Модель может иметь высокие значения коэффициентов, что указывает на сильное подстраивание под обучающие данные. 🚩Методы предотвращения переобучения 🟠Разделение данных на тренировочный и тестовый наборы Использование тренировочного набора для обучения модели и тестового набора для оценки ее обобщающей способности. 🟠Кросс-валидация Разделение данных на несколько частей и использование разных частей для обучения и тестирования в нескольких итерациях. 🟠Регуляризация Введение штрафов за сложные модели. Например, L1 и L2 регуляризация уменьшают значения коэффициентов модели. 🟠Снижение сложности модели Использование менее сложных моделей с меньшим количеством параметров. 🟠Сбор большего объема данных Увеличение объема обучающих данных помогает модели лучше выявлять общие закономерности. 🟠Прерывание обучения (Early Stopping) Остановка обучения модели, когда ошибка на валидационном наборе данных начинает увеличиваться. 🟠Аугментация данных Создание дополнительных данных путем их модификации (например, поворот, масштабирование изображений), что помогает модели обобщать лучше. from sklearn.linear_model import Ridge from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error # Пример данных X = ... # Ваши данные признаков y = ... # Целевая переменная # Разделение данных на обучающий и тестовый наборы X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # Модель с L2 регуляризацией (Ridge) model = Ridge(alpha=1.0) model.fit(X_train, y_train) # Предсказание и оценка y_pred_train = model.predict(X_train) y_pred_test = model.predict(X_test) train_error = mean_squared_error(y_train, y_pred_train) test_error = mean_squared_error(y_test, y_pred_test) print(f'Training Error: {train_error}') print(f'Test Error: {test_error}') Ставь 👍 и забирай 📚 Базу знаний