Thiếu trang bị

Underfitting là một thuật ngữ được sử dụng trong học máy và khoa học máy tính để mô tả một mô hình quá đơn giản để phản ánh chính xác dữ liệu cơ bản. Trong học máy, mô hình không phù hợp là mô hình có độ chính xác dự đoán không đủ và không thể xác định chính xác các mẫu trong dữ liệu.

Underfitting là một vấn đề phổ biến trong cả học tập có giám sát và không giám sát. Trong học có giám sát, việc trang bị chưa đầy đủ xảy ra khi một mô hình sử dụng quá ít tính năng để dự đoán chính xác dựa trên dữ liệu huấn luyện. Kết quả là một mô hình có độ chính xác dự đoán kém trên cả dữ liệu huấn luyện và bất kỳ dữ liệu mới nào. Ngược lại, vấn đề ngược lại, giải thích quá mức, xảy ra khi một mô hình sử dụng quá nhiều đặc điểm để giải thích dữ liệu.

Trong học tập không giám sát, việc khớp không đủ xảy ra khi một mô hình không thể xác định cấu trúc cơ bản của dữ liệu. Điều này có thể xảy ra khi mô hình quá đơn giản, có quá ít tham số hoặc không thể tạo ra các điểm dữ liệu cần thiết để khớp dữ liệu một cách chính xác.

Việc điều chỉnh không phù hợp xảy ra do có quá ít dữ liệu, quá ít tính năng, mô hình quá đơn giản hoặc quá ít tham số. Điều quan trọng là phải ngăn chặn việc trang bị thiếu khi xây dựng mô hình dự đoán, vì nó có thể dẫn đến độ chính xác dự đoán kém. Cách tốt nhất để ngăn chặn việc trang bị thiếu là sử dụng một mô hình có thể chọn chính xác các mẫu trong dữ liệu và có đủ tính năng để đưa ra dự đoán chính xác. Điều này có thể được thực hiện bằng cách sử dụng nhiều biến hơn, nhiều điểm dữ liệu hơn, các lớp bổ sung trong mô hình hoặc kiến trúc mô hình phức tạp hơn. Ngoài ra, các kỹ thuật chính quy hóa cũng có thể giúp giảm tác động của việc trang bị thiếu.