Cos'è l'Underfitting?

Che cos'è l'Underfitting?

L'Underfitting si verifica quando un modello è troppo semplice o non è stato addestrato a sufficienza, causando il fallimento nell'apprendere schemi importanti nei dati. Di conseguenza, si comporta male sia sui dati di addestramento che su quelli nuovi.

È come cercare di imparare una lingua usando solo cinque parole: non si conosce abbastanza per comprendere o rispondere correttamente.

Perché l'Underfitting è Importante

• Bassa accuratezza nell'addestramento: Il modello non riesce nemmeno a comprendere i dati che vede.
• Risultati scadenti nel mondo reale: Le previsioni rimangono di bassa qualità e inaffidabili.
• Struttura del modello troppo semplice: Le caratteristiche essenziali vengono ignorate.

Segni di Underfitting

• Bassa accuratezza sia sui dati di addestramento che su quelli di test.
• Architettura del modello molto piccola priva di strati o complessità.
• Tempo di addestramento insufficiente o non abbastanza epoche.

Come Risolvere l'Underfitting

• Aumentare la complessità del modello (più strati o parametri).
• Addestrare più a lungo per consentire un apprendimento più profondo.
• Utilizzare caratteristiche più significative o dati di addestramento migliori.
• Ridurre la regolarizzazione affinché il modello possa apprendere più dettagli.