Dopasowanie
Co to jest nadmierne dopasowanie?
Nadmierne dopasowanie to błąd modelowania w statystykach, który występuje, gdy funkcja jest zbyt ściśle dopasowana do ograniczonego zestawu punktów danych. W rezultacie model jest użyteczny tylko w odniesieniu do początkowego zbioru danych, a nie do jakichkolwiek innych zbiorów danych.
Nadmierne dopasowanie modelu na ogół przybiera formę nadmiernie złożonego modelu w celu wyjaśnienia specyfiki w badanych danych. W rzeczywistości często badane dane zawierają pewien stopień błędu lub przypadkowy szum. Tak więc próba dostosowania modelu do nieco niedokładnych danych może spowodować jego zainfekowanie znacznymi błędami i zmniejszenie jego mocy predykcyjnej.
Zrozumienie nadmiernego dopasowania
Na przykład powszechnym problemem jest używanie algorytmów komputerowych do przeszukiwania obszernych baz danych historycznych danych rynkowych w celu znalezienia wzorców. Biorąc pod uwagę wystarczającą ilość badań, często możliwe jest opracowanie skomplikowanych twierdzeń, które wydają się przewidywać zwroty na giełdzie z dużą dokładnością.
Jednak w przypadku zastosowania do danych poza próbą takie twierdzenia mogą prawdopodobnie okazać się jedynie nadmiernym dopasowaniem modelu do tego, co w rzeczywistości było przypadkowymi zdarzeniami. We wszystkich przypadkach ważne jest, aby przetestować model z danymi, które znajdują się poza próbą użytą do jego opracowania.
Jak zapobiegać nadmiernemu dopasowaniu
Sposoby zapobiegania nadmiernemu dopasowaniu obejmują weryfikację krzyżową, w której dane używane do uczenia modelu są cięte na fałdy lub partycje, a model jest uruchamiany dla każdego fałdu. Następnie uśrednia się ogólny szacunek błędu. Inne metody obejmują tworzenie zestawów: predykcje są łączone z co najmniej dwóch oddzielnych modeli, powiększanie danych, w którym dostępny zestaw danych jest zróżnicowany, oraz upraszczanie danych, w którym model jest uproszczony, aby uniknąć nadmiernego dopasowania.
Specjaliści ds. finansów muszą być zawsze świadomi niebezpieczeństw związanych z przesadnym lub niedostatecznym dopasowaniem modelu opartego na ograniczonych danych. Idealny model powinien być zrównoważony.
Nadmiar w uczeniu maszynowym
Overfitting jest również czynnikiem w uczeniu maszynowym. Może się pojawić, gdy komputer został nauczony skanowania w poszukiwaniu określonych danych w jedną stronę, ale gdy ten sam proces zostanie zastosowany do nowego zestawu danych, wyniki są nieprawidłowe. Wynika to z błędów w zbudowanym modelu, ponieważ prawdopodobnie wykazuje on niską stronniczość i dużą wariancję. Model mógł mieć nadmiarowe lub nakładające się funkcje, przez co stał się niepotrzebnie skomplikowany, a przez to nieskuteczny.
Nadmiar a Niedopasowanie
Przesadnie dopasowany model może być zbyt skomplikowany, przez co nieskuteczny. Ale model może być również niedostatecznie dopasowany, co oznacza, że jest zbyt prosty, ze zbyt małą liczbą funkcji i zbyt małą ilością danych, aby zbudować skuteczny model. Model overfit ma niską stronniczość i wysoką wariancję, podczas gdy model niedopasowany jest odwrotnie — ma wysokie stronniczość i niską wariancję. Dodanie większej liczby funkcji do zbyt prostego modelu może pomóc ograniczyć stronniczość.
Przykład nadmiernego dopasowania
Na przykład uniwersytet, w którym wskaźnik porzucania college'u jest wyższy niż oczekiwany, postanawia stworzyć model do przewidywania prawdopodobieństwa, że kandydat przejdzie przez całą drogę do ukończenia studiów.
Aby to zrobić, uniwersytet szkoli model z zestawu danych 5000 kandydatów i ich wyników. Następnie uruchamia model na oryginalnym zbiorze danych — grupie 5000 kandydatów — a model przewiduje wynik z 98% dokładnością. Ale aby przetestować jego dokładność, uruchomili również model na drugim zbiorze danych — o 5000 więcej kandydatów. Jednak tym razem model jest dokładny tylko w 50%, ponieważ model był zbyt ściśle dopasowany do wąskiego podzbioru danych, w tym przypadku pierwszych 5000 aplikacji.
##Przegląd najważniejszych wydarzeń
Overfitting to błąd, który występuje w modelowaniu danych w wyniku zbyt bliskiego dopasowania określonej funkcji do minimalnego zestawu punktów danych.
Kiedy model został skompromitowany przez overfitting, model może stracić swoją wartość jako narzędzie predykcyjne do inwestowania.
Model danych może być również niedostatecznie dopasowany, co oznacza, że jest zbyt prosty, ze zbyt małą liczbą punktów danych, aby był skuteczny.
Specjaliści finansowi są narażeni na ryzyko przesadnego dopasowania modelu opartego na ograniczonych danych i uzyskania błędnych wyników.
Nadmierne dopasowanie jest częstszym problemem niż niedopasowanie i zwykle pojawia się w wyniku próby uniknięcia nadmiernego dopasowania.