Overfitting Hypothesis in Machine Learning

  • Posted on: 18 February 2015
  • By: oon
Underfitting and Overfitting Hypothesis Function

Overfitting (atau disebut juga high variance) adalah kondisi yang disebabkan oleh fungsi hipotesis yang sesuai (fit) hampir semua data dari training set tapi tidak sesuai untuk data secara umum pada proses prediksi data baru selanjutnya.

Kondisi sebaliknya disebut underfitting, dimana banyak data dari training set yang tidak terpetakan dengan baik (fit) dengan fungsi hipotesis yang dipilih. (misalnya karena fungsinya terlalu sederhana atau fitur (features) yang digunakan kurang banyak)

Kondisi ini dapat terjadi baik pada Linear Regression maupun Logistic Regression.

Ada dua pilihan opsi utama untuk menangani masalah overfitting:

  1. Mengurangi jumlah fitur (features)
  2. Regularization

https://share.coursera.org/wiki/index.php/ML:Regularization

Add new comment

Filtered HTML

  • Web page addresses and e-mail addresses turn into links automatically.
  • Allowed HTML tags: <a> <em> <strong> <cite> <blockquote> <code> <ul> <ol> <li> <dl> <dt> <dd>
  • Lines and paragraphs break automatically.

Plain text

  • No HTML tags allowed.
  • Web page addresses and e-mail addresses turn into links automatically.
  • Lines and paragraphs break automatically.
By submitting this form, you accept the Mollom privacy policy.