Overfitting: differenze tra le versioni

Versione delle 10:14, 6 ago 2008

Versione delle 15:38, 2 dic 2008

Riga 1:

[[Immagine:Overfitting svg.pngsvg|thumb|300px|Overfitting. La curva blu mostra l'andamento dell'errore nel classificare i dati di ''training'', mentre la curva rossa mostra l'errore nel classificare i dati di ''test'' o ''validazione''. Se l'errore di validazione aumenta mentre l'errore aui dati di training diminuisce, ciò indica che siamo in presenza di un possibile caso di overfitting.]]

In [[statistica]], si parla di '''overfitting''' (''eccessivo adattamento'') quando un modello statistico si adatta ai dati osservati (il [[Campionamento statistico| campione]]) usando un numero eccessivo di parametri. Un modello assurdo e sbagliato può adattarsi perfettamente se è abbastanza complesso rispetto alla quantità di dati disponibili. Spesso si sostiene che l'overfitting è una violazione della legge del [[Rasoio di Occam]].