Uitleg
Underfitting is het tegenovergestelde van overfitting. Het model is te eenvoudig om de onderliggende relaties in data te vatten. Het werkt slecht op zowel trainingsgegevens als testgegevens.
Stel je voor: je gebruikt een lijn om een krommende relatie te modelleren. Geen importeer hoeveel trainingsgegevens je geeft, een lijn zal nooit een krommende patroon goed vastleggen.
Je kunt underfitting herkennen als zowel trainingsfouten als validatiefouten hoog zijn. Oplossingen: gebruik een complexer model, voeg meer relevante features toe, of train langer. Balanced is het doel: je wilt een model dat ingewikkeld genoeg is om patronen te leren, maar niet zo complex dat het overfit.
⚡ Voorbeelden
- •Lineaire regressie gebruikt voor sterk niet-lineaire relaties
- •Een klein neuraal netwerk voor een zeer ingewikkeld classificatietaak
- •Een model dat veel minder parameters heeft dan nodig
Trefwoorden
te eenvoudigslecht lerenlaag prestatiesmodelcomplexiteit