Overfitting
Overfitting
Bekijk de twee regressielijnen hieronder. Welke is beter?
De statistieken suggereren dat het tweede model beter is, dus gebruiken we dit om X_new = [0.2, 0.5, 2.7] te voorspellen. Maar na het vergelijken van de voorspellingen met de werkelijke waarden, presteert het eerste model beter.
Dit gebeurt omdat het tweede model overfit — het is te complex en past te nauw op de trainingsdata, waardoor het niet goed generaliseert naar nieuwe gevallen.
Underfitting
Underfitting treedt op wanneer een model te eenvoudig is om zelfs de trainingsdata te benaderen, wat ook leidt tot slechte voorspellingen op niet eerder geziene data.
We kunnen dus proberen visueel te beoordelen of het model underfit of overfit.
Omdat we modellen met hoge dimensies niet kunnen visualiseren, hebben we een andere methode nodig om overfitting of underfitting te detecteren.
Train-test splitsing
Om de prestaties op onbekende data te schatten, splitsen we de dataset in een trainingset en een testset met bekende targets.
We trainen op de trainingset en berekenen statistieken op zowel de trainingset als de testset om de prestaties te vergelijken.
De splitsing moet willekeurig zijn. Gewoonlijk gaat 20–30% naar de testset en wordt 70–80% gebruikt voor training. Scikit-learn biedt een eenvoudige manier om dit te doen.
Bijvoorbeeld, om de trainingset te splitsen in 70% training/30% test, kun je de volgende code gebruiken:
from sklearn.model_selection import train_test_split # import the function
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
Bedankt voor je feedback!
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Can you explain more about how overfitting and underfitting affect model performance?
What are some ways to prevent overfitting in machine learning models?
How do I choose the right train-test split ratio for my dataset?
Awesome!
Completion rate improved to 5.26Overfitting
Veeg om het menu te tonen
Overfitting
Bekijk de twee regressielijnen hieronder. Welke is beter?
De statistieken suggereren dat het tweede model beter is, dus gebruiken we dit om X_new = [0.2, 0.5, 2.7] te voorspellen. Maar na het vergelijken van de voorspellingen met de werkelijke waarden, presteert het eerste model beter.
Dit gebeurt omdat het tweede model overfit — het is te complex en past te nauw op de trainingsdata, waardoor het niet goed generaliseert naar nieuwe gevallen.
Underfitting
Underfitting treedt op wanneer een model te eenvoudig is om zelfs de trainingsdata te benaderen, wat ook leidt tot slechte voorspellingen op niet eerder geziene data.
We kunnen dus proberen visueel te beoordelen of het model underfit of overfit.
Omdat we modellen met hoge dimensies niet kunnen visualiseren, hebben we een andere methode nodig om overfitting of underfitting te detecteren.
Train-test splitsing
Om de prestaties op onbekende data te schatten, splitsen we de dataset in een trainingset en een testset met bekende targets.
We trainen op de trainingset en berekenen statistieken op zowel de trainingset als de testset om de prestaties te vergelijken.
De splitsing moet willekeurig zijn. Gewoonlijk gaat 20–30% naar de testset en wordt 70–80% gebruikt voor training. Scikit-learn biedt een eenvoudige manier om dit te doen.
Bijvoorbeeld, om de trainingset te splitsen in 70% training/30% test, kun je de volgende code gebruiken:
from sklearn.model_selection import train_test_split # import the function
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
Bedankt voor je feedback!
