Como ter um modelo overfitted/sobreajustado?

Fez um modelo com preditores complexos e o treinou com poucos exemplos? Mudou a questão inicial para dar uma tunada nos indicadores?

Essas e outras práticas são mais comuns do que muitos imaginam. Abaixo uma lista dos melhores métodos para se ter overfitting!

clever_method_overfitting

by

Ps.: Se você não sacou o sarcasmo, overfitting não é legal. Não sabe o que é isso?
Aprenda em Overfitting e Cross Validation e Explicando overfitting com uma anedota

Anúncios

2 comentários

    1. Acho que depende do modelo. Via de regra, dividindo os dados em treino, validação e teste, e adequando o número de variáveis independentes à quantidade de dados que você tem é a melhor forma de evitar overfitting.
      Para modelos de regressão linear múltipla, o R-quadrado ajustado é uma boa métrica, pois vai responder à complexidado do modelo.
      Há algumas discussões bacanas no Stat Exchange também: https://stats.stackexchange.com/questions/81576/how-to-judge-if-a-supervised-machine-learning-model-is-overfitting-or-not

      Curtir

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

w

Conectando a %s