ПЕРЕОБУЧЕНИЕ И НЕДООБУЧЕНИЕ В МАШИННОМ ОБУЧЕНИИ | overfitting, underfitting для регрессии

Описание

Поддержать канал можно оформив подписку на
🎉 https://boosty.to/machine_learrrning
🎉 https://vk.com/machine_learrrning
🎉 А можете скидывать монеты на https://www.donationalerts.com/r/machine_learrrning

Мои курсы на платформе Stepik:
https://stepik.org/users/4802047

Все хотят, чтобы их модельки обучались идеально, никто не хочет сталкиваться с переобучением и недообучением - явлениями в машинном обучении, которые говорят о плохой способности моделей восстанавливать закономерности из данных. В этом видео рассмотрим, как отловить переобучение, какие есть признаки недообучения и что такое идеальное обучение.


Для лучшего усвоения переобучения сначала ознакомьтесь с метриками для задачи регрессии (https://youtu.be/vh2smjQyhp8) и алгоритмом построения дерева решений (https://youtu.be/0mMeaC3gjNI).


Презентация из видео: https://docs.google.com/presentation/d/1UITkkdoyYXNSHfcYVr5sXsnuJhYbxCY25iUeJFgct1s

Ноутбук из видео: https://colab.research.google.com/drive/1MNpLMZGJCBwdNjY_PgJIKHtll6zvUEyU


0:00 Введение
0:15 Получение данных
1:18 Разбиение на обучающую выборку и тестовую
1:49 Переобучение (Overfitting)
5:26 Недообучение (Underfitting)
7:57 Нормальное обучение
10:14 Резюме