Ancha mat'i

Yupay-yachay kikinyaypi nisqapiqa, llumpay tupachiyqa "huk t'aqwiy ruway, chay ancha qayllamanta icha chiqapmanta huk willay huñuman tupan, chayraykutaqmi mana huk willaykunaman tupachiyta atinmanchu icha hamuq pacha qhawaykunata confiablemente willayta atinmanchu". Ancha-mat'i kikin nisqaqa yupay yachaypa rikch'aynin, astawan achka paramitrukunayuq, manataq willaykunawan chaninchasqa kanmanchu. Chay esencia de sobreajuste nisqa mana yachaspa wakin variación residual (icha, chay rumiyuqta) hurqusqa kasqan, chay variación nisqa estructura modelo subyacente nisqamanta representachkanman hina.  

Siqi 1. Q'umir chiruqa huk ancha-wa'ti kikin nisqatam qawachin, yana chiruñataqmi huk regularisasqa kikin nisqatam. Sichus q'umir chiru astawan allinta qatin yachachiy willayta, chay willakuymanta anchata hapipakun chaymanta astawan hatun pantay tasayuq kanman musuq mana rikusqa willakuykunapi, yana chiruwan tupachisqa.

Siqi 2. Rumiyuq (yaqa chiru) willaykunaqa chiru llamk'ayman, pulinumiyu llamk'anaman churasqa. Pulinumika ruwanan nisqa allin tupachisqa kaptinpis, lineal nisqa ruwayqa astawan allinta generalizakunanta suyakunman: sichus chay iskay ruwaykunawan tupachisqa willakuy nisqamanta ataswan karuman extrapolacionta ruwarqaku chayqa, lineal nisqa ruwayqa astawan allin willakuykunatam ruwanan.

Siqi 3. Anqas chirusqa chiruqa mana allin churasqa kikintam qawachin. Chiqan chiruqa manam haykapipis parawula nisqamanqa tupanmanchu. Kay kikinqa ancha sikllalla.

Mana mat'i icha Underfitting nisqa ruwakun huk modelo matemático nisqa mana allinta hap’iyta atiqtin chay estructura subyacente nisqa datos nisqamanta. Modelo sub-fitted nisqaqa huk modelo maypichus wakin parámetros icha términos nisqakuna allin nisqa modelopi rikhurinman karqan. Sub-fitting nisqa ruwakunman, ahinataq, huk modelo lineal nisqa mana lineal nisqa willakuykunaman tupachispa. Chayna modeloqa mana allin predictivo ruwayniyuqmi kanqa.

Makiq yachay

Siqi 4. Qhawasqa yachaypi llumpay tupachiy/llumpay yachachiy (kayhina, llika neuronal ). Yachachiy pantayqa azulwanmi rikuchikun, chiqapchay pantayqa pukawan, iskayninmi hayka yachachiy ciclokuna kasqanmanta ruway hina. Sichus pantay validación yapakun (pendiente positiva) chaymanta pantay entrenamiento sapa kuti pisiyan (pendiente negativa) chaymanta huk situación de sobreajuste ruwasqa kanman. Aswan allin predictivo chaymanta tupachisqa modelo kanman maypi validación pantayniyuq kay global mínimo kaqninta.

Mana mat'i

Siqi 5. Siqi. Puka chiruqa azulwan rikuchisqa willakuypa puntonkunapa mana allin churasqa modelo nisqatam qawarichin. Suyasunmanmi huk parábola nisqaman rikchakuq chiruta qawayta, chaynapi datos nisqapa kurvacionninta qawachinapaq.

Siqi 6. Anqas chiruqa q'umirwan rikuchisqa willakuy puntokunamanta modelo ajustado nisqatam qawarichin.

Muqukuna

• Leinweber, D. J. (2007). "Stupid data miner tricks". The Journal of Investing 16: 15–22. . 
• Tetko, I. V. (1995). "Neural network studies. 1. Comparison of Overfitting and Overtraining". Journal of Chemical Information and Modeling 35: 826–833. . 
• Tip 7: Minimize overfitting. Chicco, D.. "Ten quick tips for machine learning in computational biology". BioData Mining 10: 35. . Chicco, D. (December 2017). "Ten quick tips for machine learning in computational biology". BioData Mining. 10 (35): 35. doi:10.1186/s13040-017-0155-3. PMC 5721660. PMID 29234465.