Overfitting คืออะไร? คำอธิบายสำหรับมือใหม่

Updated · By Viviai

Overfitting คือภาวะที่โมเดล machine learning ฟิตกับข้อมูลฝึกอบรมแน่นเกินไป รวมถึงสัญญาณรบกวนและรายละเอียดสุ่ม ทำให้แม่นยำสูงบนข้อมูลฝึกอบรมแต่ทำงานได้ไม่ดีบนข้อมูลใหม่

ภาษาง่าย ๆ

ลองนึกภาพนักเรียนที่ท่องจำข้อสอบและคำตอบทุกข้อ เมื่อเจอข้อเดิมก็ได้คะแนนดี แต่พอเจอคำถามใหม่ที่ต่างไปเล็กน้อยกลับตอบไม่ได้ นั่นคือภาพของ overfitting

สามสภาวะของโมเดล

สภาวะ ข้อมูลฝึกอบรม ข้อมูลใหม่ ปัญหา
Underfitting แย่ แย่ ง่ายเกินไป
สมดุล ดี ดี เหมาะสม
Overfitting ดี แย่ ท่องจำสัญญาณรบกวน

สาเหตุที่พบบ่อย

โมเดลซับซ้อนเกินไป ข้อมูลน้อยเกินไป หรือฝึกนานเกินไป อาจทำให้โมเดลเรียนรู้สัญญาณรบกวนแทนรูปแบบทั่วไป

วิธีแก้

Regularization การเพิ่มข้อมูล การลดความซับซ้อนของโมเดล และการหยุดฝึกแต่เนิ่น ๆ เป็นวิธีที่ใช้กันทั่วไป

ข้อจำกัด

การตรวจหา overfitting ต้องใช้ชุดตรวจสอบแยกต่างหาก เพราะคะแนนบนข้อมูลฝึกอบรมเพียงอย่างเดียวไม่ได้บอกว่าโมเดลจะ generalize ได้หรือไม่

FAQ

Underfitting คืออะไร?

ภาวะที่โมเดลง่ายเกินไปจนจับรูปแบบสำคัญไม่ได้

สัญญาณรบกวน (noise) คืออะไร?

ความผันผวนสุ่มหรือข้อผิดพลาดในข้อมูล ไม่ใช่รูปแบบจริง

เหตุใดคะแนนฝึกอบรมสูงจึงยังไม่พอ?

โมเดลอาจท่องจำข้อมูลแล้วทำงานแย่บนข้อมูลใหม่

Regularization มีบทบาทอะไร?

จำกัดความซับซ้อนของโมเดลเพื่อช่วยให้ generalize ดีขึ้น

สรุป

อ่านต่อ [supervised learning คืออะไร](supervised-learning-khue-arai) และ [reinforcement learning คืออะไร](reinforcement-learning-khue-arai).

Sources

  1. https://aiunderstanding.org/th/learn/overfitting-and-underfitting
  2. https://aws.amazon.com/what-is/overfitting/
  3. https://developers.google.cn/machine-learning/crash-course/overfitting/overfitting

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free