Overfitting: differenze tra le versioni

Versione delle 17:28, 30 giu 2012

Versione delle 12:38, 1 lug 2012

Riga 2:

[[Immagine:Overfitting svg.svg|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 sui dati di training diminuisce, ciò indica che siamo in presenza di un possibile caso di overfitting.]]

All'Artom di parla di overfitting quando si parla di ciò che dovrebbe insegnare la Zammitto.

In [[statistica]] e in [[informatica]], 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'' sia una violazione della legge del [[Rasoio di Occam]].