Overfitting

این نوشته گردآوری نوشته های پراکنده پیرامون Overfitting است که با گشت و گذاری در وب به دست آورده ام. لب مطلب این بخش را از مطالبی که آقای دکتر سعید شیری به عنوان محتوای درس دانشگاهی انتشار داده اند گرفته ام.

تعریف:

برای فرضیه ای مثل h روی فضای فرضیه ای H دو نوع خطا وجود دارد.

• خطا روی داده های آموزشی 
• errortrain(h) 
•   خطا روی کل داده های ممکن 
• errorD(h)

می گوئیم برای فرضیه h عضو H روی داده های آموزشی Overfitting  رخ داده است، اگر فرضیه ای مثل h0 عضو H وجود داشته باشد که :

errortrain(h) < errortrain(h0) 

&

errorD(h) > errorD(h0)

یعنی فرضیه ای (یا مدلی) دیگر وجود دارد که  در استفاده واقعی و کاربری، از مدل ما بهتر است ولی بر روی داده های آموزشی بهتر نیست.

سرآغاز هر کار نام خداست

به نام خدا

سلام

این جا را برای باز نشر یافته هایم در مورد داده کاوی راه انداخته ام. درنگاه آغازین و ناپخته با کارهایی که باید در این مقال به پایان برسانم، این ها به خاطرم می آید.

• پخش مقالات بازگردان شده 
• جمع آوری نوشتارهای پراکنده پیرامون چالش های اصلی داده کاوی
• بررسی چالش ها و چیزهای درگیر با داده کاوی 
• شناساندن دیگر پایگاه ها که به دید بنده کاربردی و خوب می آیند. تلاش میکنم که  گزینشی خوب در این باره داشته باشم تا دوستان گرام به سادگی با لب مطلب و مراجع اصلی آشنا شوند
• ...

به هر روی  آغاز کار است و آینده بس نا پدید. امید که به یاری ایزد خواسته هایمان حسرت نشوند و آینده امان خیر و برکت باشد.