ML-EP-7-ओवरफिटिंग-अंडरफिटिंग संतुलन: मशीन लर्निंग मॉडल
Failed to add items
Sorry, we are unable to add the item because your shopping basket is already at capacity.
Add to cart failed.
Please try again later
Add to wishlist failed.
Please try again later
Remove from wishlist failed.
Please try again later
Follow podcast failed
Unfollow podcast failed
ML-EP-7-ओवरफिटिंग-अंडरफिटिंग संतुलन: मशीन लर्निंग मॉडल
-
Narrated by:
-
Written by:
About this listen
मशीन लर्निंग मॉडल में ओवरफिटिंग और अंडरफिटिंग की अवधारणाओं पर केंद्रित है, जो डेटा पर बेहतर प्रदर्शन करने वाले मॉडल बनाने के लिए महत्वपूर्ण हैं। ओवरफिटिंग तब होती है जब एक मॉडल प्रशिक्षण डेटा में शोर को बहुत करीब से सीखता है, जिससे नए डेटा पर खराब प्रदर्शन होता है, जबकि अंडरफिटिंग तब होती है जब एक मॉडल बहुत सरल होता है और डेटा में अंतर्निहित पैटर्न को कैप्चर करने में विफल रहता है। स्रोत मॉडल जटिलता को संतुलित करने के लिए विभिन्न रणनीतियों का विवरण देता है, जैसे क्रॉस-वैलिडेशन, रेगुलराइज़ेशन, फ़ीचर सिलेक्शन, प्रूनिंग, और सरल मॉडल का उपयोग करना। अंत में, यह मॉडल प्रदर्शन का मूल्यांकन करने और ओवरफिटिंग और अंडरफिटिंग दोनों से बचने के महत्व पर जोर देता है ताकि मजबूत मॉडल विकसित किए जा सकें जो अप्रशिक्षित डेटा पर भी अच्छा प्रदर्शन करें।
No reviews yet