Soy consciente del concepto de sobreajuste en el aprendizaje automático. El principal consejo para lidiar con ello, usualmente es la regularización.
¿Hay algún otro consejo práctico para evitar la sobrecarga?
Esta pregunta ya tiene respuestas:
- ¿Qué debo hacer cuando mi red neuronal no generaliza bien? (4 respuestas )
Respuesta
¿Demasiados anuncios?
nunya
Puntos
21
El principal consejo para enfrentarlo, por lo general es la regularización. Es ¿hay otros consejos prácticos para evitar el exceso de equipamiento?
Pensé que lo que realmente preguntabas era cuál es la relación entre la regularización y la sobreadaptación.
La respuesta es que las estrategias diseñadas para reducir el exceso de ajuste o el error de la prueba se conocen colectivamente como regularización. Así que pensé que la respuesta corta a tu pregunta es un enfático "no".
Y aquí están algunas estrategias de regularización enumeradas en el Capítulo 7 de la Libro de aprendizaje profundo :
-
Parámetros de las penalizaciones de la norma
-
Las penalidades de la norma como la optimización limitada
-
Aumento del conjunto de datos
-
Robustez del ruido
-
Aprendizaje semisupervisado
-
Aprendizaje multitarea
-
Parada temprana
-
Vinculación de parámetros y compartición de parámetros
-
La escasa representación
-
Embolsado y otros métodos de ensamblaje
-
Abandono
-
Entrenamiento de la adversidad
-
La distancia de la tangente, el puntal de la etiqueta, y el clasificador de la etiqueta del múltiple
