Presná definícia
Čo znamená nedoučenie?
Nedoučenie nastáva, keď model alebo tréningový postup nedokáže zachytiť štruktúru potrebnú pre úlohu ani na dátach, z ktorých sa učí. Príčinou môže byť nízka kapacita, nevhodné príznaky, príliš silná regularizácia, chybný cieľ alebo nedokončená optimalizácia. Nízky tréningový výkon je typický, nie však postačujúci znak: vysoký šum označení môže vytvoriť rovnaký obraz bez jednoduchej riešiteľnej štruktúry.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Ak lineárny model dosahuje slabé skóre na tréningu aj validácii, tím najprv skontroluje cieľ, jednotky, pipeline a jednoduchý ručný príklad. Potom oddelí optimalizačný problém od reprezentačného: predĺži tréning a skontroluje gradienty, prípadne pridá interakcie alebo model s vyššou kapacitou. Súčasne zníži prehnanú penalizáciu a porovná krivky učenia. Ak výkon nerastie ani s kapacitou, môžu chýbať informatívne príznaky alebo je označenie nekonzistentné. Riešením nie je automaticky väčšia sieť; zmena musí odstrániť konkrétnu príčinu a potvrdiť sa na validácii.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako vyzerá nedoučenie?
Tréningová aj validačná chyba zostávajú vysoké a často sú si blízke.
Pomôže vždy väčší model?
Nie, ak je problém v cieli, dátach, príznakoch alebo optimalizácii.
Môže regularizácia spôsobiť nedoučenie?
Áno, ak príliš obmedzí riešenia, ktoré model smie použiť.
Je krátky tréning nedoučenie?
Môže viesť k rovnakému výsledku, hoci kapacita modelu by inak stačila.
Čo ukáže krivka učenia?
Či pomáhajú ďalšie dáta a aká je medzera medzi tréningom a validáciou.