Die Regularisierung im Deep Learning ist sehr wichtig, um Overfitting zu überwinden. Wenn Ihre Trainingsgenauigkeit sehr hoch, aber die Testgenauigkeit sehr niedrig ist, überanpasst das Modell stark den Trainingsdatensatz und hat Schwierigkeiten, gute Vorhersagen für den Testdatensatz zu treffen.
Overfitting im Deep Learning kann das Ergebnis eines sehr tiefen neuronalen Netzwerks oder einer hohen Anzahl von Neuronen sein. Die Technik zur Reduzierung der Anzahl von Neuronen oder zur Neutralisierung der Wirkung bestimmter Neuronen wird als Regularisierung bezeichnet.
Mit der Regularisierung im Deep Learning neutralisieren wir die Wirkung bestimmter Neuronen und schaffen so ein einfaches Netzwerk, das eine Entscheidungsgrenze erzeugt, die sowohl gut zum Trainings- als auch zum Testdatensatz passt.
Wenn unser Modell nicht überanpasst, müssen wir keine Regularisierung verwenden. Aber wenn unser Modell überanpasst, verwenden wir nur dann die Regularisierung.
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Zeitstempel:
0:00 Das Problem
0:56 Overfitting im Deep Learning
2:35 Overfitting in der Linearen Regression
3:39 Definition der Regularisierung
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Dies ist Ihr Weg zum Machine Learning ⭐
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖