ຂ້ອຍສາມາດຕີຄວາມແຕກຕ່າງລະຫວ່າງການກວດສອບຄວາມຖືກຕ້ອງແລະຄວາມຖືກຕ້ອງຂອງການທົດສອບໄດ້ແນວໃດ?


ຕອບ 1:

ເພື່ອຄວາມຖືກຕ້ອງ A, ຂ້ອຍຄິດວ່າຕົວແບບຂອງເຈົ້າເຮັດວຽກໄດ້ດີ. ຂ້ອຍສົມມຸດວ່າເຈົ້າໄດ້ໃຊ້ຂໍ້ມູນທີ່ຖືກຕ້ອງເພື່ອຝຶກອົບຮົມ Model A ແລະທົດສອບຂໍ້ມູນເພື່ອປະເມີນມັນ. ເນື່ອງຈາກທັງຄວາມຖືກຕ້ອງຂອງການກວດສອບແລະຄວາມຖືກຕ້ອງຂອງການທົດສອບແມ່ນສູງ, ມັນສາມາດເວົ້າໄດ້ວ່າຕົວແບບດັ່ງກ່າວແມ່ນໄດ້ຮັບການຝຶກອົບຮົມຢ່າງຖືກຕ້ອງ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ຂ້ອຍມີຄວາມກັງວົນສອງຢ່າງ.

  1. ຖ້າທ່ານຕ້ອງການຕົວແບບທີ່ມີຄວາມຖືກຕ້ອງສູງຂື້ນ, ທ່ານ ຈຳ ເປັນຕ້ອງປັບຕົວ ກຳ ນົດ hyper ເພື່ອໃຫ້ດີຂື້ນ. ການຮຽນຮູ້ທີ່ຖືກຄວບຄຸມບໍ່ແມ່ນພຽງແຕ່ຄວາມຖືກຕ້ອງເທົ່ານັ້ນ. ຖ້າມີການຈັດປະເພດຖານສອງຢ່າງ, ທ່ານຄວນສະແດງພື້ນທີ່ ROC ພາຍໃຕ້ເສັ້ນໂຄ້ງເພື່ອ ກຳ ນົດວ່າມີປັນຫາໃນການຈັດປະເພດຄວາມບໍ່ຖືກຕ້ອງ. ຖ້າທ່ານມີບວກທີ່ບໍ່ຖືກຕ້ອງສູງ, ຕົວແບບດັ່ງກ່າວແມ່ນໃຊ້ບໍ່ໄດ້.

ສຳ ລັບ B ຂ້ອຍຄິດວ່າມັນ ເໝາະ ສົມ. Overfitting ຫມາຍຄວາມວ່າຮູບແບບຂອງທ່ານພຽງແຕ່ເຮັດວຽກສໍາລັບການຝຶກອົບຮົມແລະຂໍ້ມູນທີ່ຖືກຕ້ອງແລະບໍ່ແມ່ນສໍາລັບຂໍ້ມູນການທົດສອບຫຼືຂໍ້ມູນທີ່ບໍ່ຮູ້ໃຫມ່. ທ່ານແນ່ນອນຕ້ອງການຕົວແບບທົ່ວໄປກວ່ານີ້. ທ່ານຕ້ອງຊອກຮູ້ວ່າເປັນຫຍັງມັນເກີນໄປ. ທ່ານຍັງຕ້ອງໄດ້ປະເມີນພື້ນທີ່ ROC ພາຍໃຕ້ເສັ້ນໂຄ້ງ.

http: //gim.unmc.edu/dxtests/roc3 ...

ເກີນ - ແລະ ເໝາະ ສົມກັບລະບົບການຮຽນຮູ້ຂອງເຄື່ອງຈັກ - ຄວາມ ຊຳ ນານດ້ານການຮຽນຮູ້ຂອງເຄື່ອງຈັກ