アンダーフィッティング の用語ページの内容を、手を動かして定着させるためのチュートリアルです。手順どおりに進めると、定義を自分の言葉で説明できる状態まで到達できます。
「アンダーフィッティング」が何を指すのか、最初の一文を自分の言葉で言い換えてみます。アンダーフィッティングとは、機械学習モデルが訓練データに対して十分に学習できていない状態を指します。— この一文を土台にすると外れません。
原因内容モデルが単純すぎる線形回帰モデルを複雑な非線形データに適用した場合など、モデルがデータのパターンを捉えきれない訓練データが不足している十分なデータがないと、データの背後にある真の分布を学習できない特徴量が足りない予測に必要な情報が入力に含まれておらず、判断の手がかりが不足するデータの量や質については学習用データの記事もあわせてご覧ください。この節を読み、仕組みの該当部分をページで確認しましょう。
住宅価格を予測するモデルを構築する際に、特徴量として住宅の広さだけを使用した場合を考えてみましょう。この節を読み、仕組みの該当部分をページで確認しましょう。
モデルの複雑さを増す:線形回帰の代わりに多項式回帰や決定木、ニューラルネットワークなどを使い、特徴をより詳細に捉える特徴量を増やす:住宅価格の例では、広さに加えて築年数や駅からの距離、周辺環境などを追加する訓練データを増やす:より多くのデータを集めることで、データの背後にある真の分布を学習しやすくするこれらの対策を組み合わせることで、アンダーフィッティングを効果的に解消し、モデルの性能を向上させることが可能です。この節を読み、仕組みの該当部分をページで確認しましょう。
プロンプト集の型を使って「アンダーフィッティング」を誰かに説明する文章を書いてみます。最後に「まとめ」(ア…)と突き合わせて不足を補います。