Underfitting (Eksik Öğrenme)

Underfitting (Eksik Öğrenme), Overfitting'in tam zıddıdır.

Underfitting (Eksik Öğrenme), Overfitting'in tam zıddıdır. Makine öğrenimi modelinin, hem eğitim verilerinde hem de yeni verilerde başarısız olması, yani arkadaki örüntüyü ve mantığı "hiç öğrenememesi" durumudur. Sınava hiç çalışmayan ve konuyu anlamayan bir öğrenciye benzer.

battery_alert Neden Meydana Gelir?

Eksik öğrenme genellikle modelin verideki ilişkileri kavrayamayacak kadar 'basit' olmasından kaynaklanır. Örneğin, bir insanın yaşını yüzündeki kırışıklıklar, saç rengi, cilt dokusu gibi binlerce piksel detayından tahmin etmeniz gerekirken, çok basit bir doğrusal regresyon (Linear Regression) kullanırsanız, model bu karmaşıklığı kavrayamaz ve underfit olur.

Çözüm Yolları

account_tree Modeli Karmaşıklaştırmak

Daha fazla katmana (hidden layer) sahip daha derin bir sinir ağı kullanmak veya algoritmayı değiştirmek (Örn: Lineer değil Non-lineer modeller kullanmak).

build Özellik Mühendisliği

Modele daha faydalı girdiler (features) sağlamak; örneğin sadece evin metrekaresini değil, oda sayısını, katını ve manzarasını da girdi olarak vermek.

hourglass_top Eğitim Süresini Artırmak

Modelin verileri daha uzun süre incelemesine (daha fazla Epoch) izin vermek.