Переоснащение и недостаточное соответствие — две из наиболее распространенных причин низкой точности модели. Подгонку модели можно предсказать, взглянув на ошибку прогнозирования на данных обучения и тестирования.
Модель недостаточной подгонки приводит к высоким ошибкам прогнозирования как для обучения, так и для обучения. и данные испытаний. Модель с переобучением дает очень низкую ошибку прогнозирования для обучающих данных, но очень высокую ошибку прогнозирования для тестовых данных. Оба типа моделей приводят к низкой точности.
Модель недостаточного соответствия не может в значительной степени понять взаимосвязь между входными значениями и целевыми переменными. Это может быть случай, когда модель слишком проста (т. Е. Входные характеристики недостаточно объясняют, чтобы хорошо описать цель).
Модель с переобучением чрезмерно запомнила набор данных, которые она видела, и не может обобщить обучение на невидимый набор данных. Вот почему модель с переобучением приводит к очень плохой точности испытаний. Низкая точность тестирования может возникнуть, когда модель очень сложная, т. Е. Комбинации входных функций находятся в большом количестве и влияют на гибкость модели.
