Underfitting (alultanulás)
Amikor egy modell túl egyszerű vagy alultanított ahhoz, hogy a minták és összefüggések valódi komplexitását megragadja — az eredmény sekély, pontatlan, sematikus válasz.
Analógia
Mint egy frissen végzett diák, aki elméletben mindent tud, de konkrét esetekre általánosságokat mond — nincs elég tapasztalata az összetett valódi helyzetek kezeléséhez.
Miért fontos?
Üzleti bevezetésnél ez azt jelenti, hogy a rendszer túl általánosan válaszol, nem tud alkalmazkodni a domain sajátosságaira. Ez különösen jellemző, ha egy általános modellt speciális feladathoz fine-tuning nélkül alkalmazunk.
Hogyan működik?
Alultanuláskor a modell nem ragadja meg a feladat valódi mintáit. Ennek oka lehet, hogy a modell kapacitása kevés a probléma bonyolultságához, túl kevés vagy nem megfelelő tanítási lépést kapott, esetleg a jellemzők és címkék nem írják le jól a feladatot. Ilyenkor a rendszer nemcsak új példákon teljesít gyengén: a tanítás során látott esetek szabályosságait sem tudja megfelelően megtanulni. A diagnózishoz a tanítási és az elkülönített értékelési eredményeket együtt kell vizsgálni.
A gyakorlatban alultanulás látszhat abban, hogy egy osztályozó minden panaszt túl tág kategóriába tesz, vagy egy asszisztens szakmai kérdésre ismételten általános választ ad. Az okot nem mindig a modell mérete magyarázza: lehet hibás tanítási cél, gyenge példakészlet vagy kevés információ a bemenetben. A javítás lehet jobb adatelőkészítés, megfelelőbb modell vagy feladatspecifikus tanítás. Mielőtt változtatnak, a csapatnak meg kell győződnie arról, hogy maga a cél és a mérési eljárás helyes.
Példa
Egy betanított levélosztályozó a saját tanítópéldáin sem tud különbséget tenni visszatérítési kérdés és termékhiba között, ezért a csapat a címkéket és a feladatleírást is átnézi.
Gyakori tévhit
Az alultanulás nem egyszerűen azt jelenti, hogy kevés példát látott a modell. Kevés tanítás, túl egyszerű modell, rossz jellemzők vagy hibás célmeghatározás is okozhatja.