Överanpassning: skillnaden mellan att lära sig regeln och att memorera
Kunna förklara skillnaden mellan att lära sig en regel och att memorera specifika exempel.
Vardagsförklaring
Två kollegor förbereder sig för en certifiering.
- Anna förstår hur systemet fungerar.
- Bo har lärt sig utantill exakt de svar som stod i handledningen: "Kundtyp A kräver svar X", "Kundtyp B kräver svar Y".
Båda klarar provet på de exempel som var med i handledningen. Men i praktiken kommer en kundtyp C — som inte var med i materialet. Anna kan hantera det. Bo står still.
Bo har överanpassat: han kan exemplen, inte regeln. AI-modeller gör exakt samma sak.
Intuition
Därför testar man på nya exempel. Om modellen bara får svara på det den tränats på mäter du dess minne, inte dess kunnande.
| Träningsexempel | Nya exempel | Vad det betyder | |
|---|---|---|---|
| Bra modell | 92 % | 89 % | har lärt sig mönstret |
| Överanpassad | 100 % | 61 % | har memorerat |
| Underanpassad | 58 % | 56 % | har inte lärt sig något alls |
Skillnaden mellan kolumnerna är varningslampan.
Vad hjälper? Fler och mer varierade exempel, eller en enklare modell som inte har plats att memorera. Ungefär som att Bo behöver se fler olika kundärenden — eller att någon tar bort hans fusklapp.
Behärskning innebär
- Skiljer att lära sig regeln från att memorera exemplen
- Förklarar varför man testar på nya exempel
Förkunskaper
Logga in för att göra övningarna och bygga upp din behärskning.
Källor
- CS Unplugged (CC BY-SA 4.0) — CC BY-SA 4.0
- scikit-learn User Guide (BSD-3) — BSD-3-Clause