?? Isso é oque, cada rede e conectada e subordinada a outras redes, e as redes podem ativar ou não outras redes que vão verificar os dados apresentados ou detectados e produzir uma ação, que pode ser uma ação fizisica ,retornar valores, retornar sim ou não, ou ativar outra rede subordinada? Bom seria impossivel retreinar a rede a cada dado coletado.
Não sou o professor mas... Overfitting é quando o modelo está tão bem ajustado para os dados de treino Que quando você testa o modelo com novos dados,ele contém altos erros,pois o modelo foi feito,basicamente,pra funcionar apenas com os dados iniciais. Sry se ficou confuso kkk
A definição de overfitting (Gama (2004)), é: “uma árvore de decisão d faz sobre-ajustamento aos dados se existir uma árvore d’ tal que: d tem menor erro que d’ no conjunto de treino mas d’ tem menor erro na população”.
Overfitting é basicamente o modelo se ajustar de mais aos dados de treinamento e não ser capaz de classificar novos dados (diferentes dos que foram utilizados para a construção do modelo), sendo assim, o modelo desenvolvido não tem capacidade de generalização
Muito bem explicado. Parabéns. Deus abençoe
que bom algo sobre a temática em português! ^^
?? Isso é oque, cada rede e conectada e subordinada a outras redes, e as redes podem ativar ou não outras redes que vão verificar os dados apresentados ou detectados e produzir uma ação, que pode ser uma ação fizisica ,retornar valores, retornar sim ou não, ou ativar outra rede subordinada?
Bom seria impossivel retreinar a rede a cada dado coletado.
Excelente!
professor, o senhor poderia me explicar o que é o overfitting?
Não sou o professor mas...
Overfitting é quando o modelo está tão bem ajustado para os dados de treino
Que quando você testa o modelo com novos dados,ele contém altos erros,pois o modelo foi feito,basicamente,pra funcionar apenas com os dados iniciais.
Sry se ficou confuso kkk
A definição de overfitting (Gama (2004)), é: “uma árvore de decisão d faz
sobre-ajustamento aos dados se existir uma árvore d’ tal que: d tem menor erro
que d’ no conjunto de treino mas d’ tem menor erro na população”.
Overfitting é basicamente o modelo se ajustar de mais aos dados de treinamento e não ser capaz de classificar novos dados (diferentes dos que foram utilizados para a construção do modelo), sendo assim, o modelo desenvolvido não tem capacidade de generalização
o mesmo que sobreajuste. O professor fala em outro vídeo desse curso sobre
Desculpe mas eu não gostei da sua explicação.
Na verdade são conteúdos de horas de aulas em apenas 14 min, e logo é apenas um resumo