Overfitting Là Gì? Giải Thích Cho Người Mới Bắt Đầu

Updated · By Viviai

Overfitting (quá khớp) là hiện tượng mô hình học máy bám quá sát dữ liệu huấn luyện, gồm cả nhiễu và chi tiết ngẫu nhiên, khiến độ chính xác cao trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới.

Phiên bản đơn giản

Hãy tưởng tượng học sinh chỉ học thuộc đáp án của bộ đề ôn tập mà không hiểu bản chất. Gặp câu hỏi diễn đạt khác một chút, học sinh dễ trả lời sai. Đó là hình ảnh của overfitting.

Ba trạng thái mô hình

Trạng thái Dữ liệu huấn luyện Dữ liệu mới Vấn đề
Underfitting Kém Kém Quá đơn giản
Cân bằng Tốt Tốt Phù hợp
Overfitting Tốt Kém Học thuộc nhiễu

Nguyên nhân thường gặp

Mô hình quá phức tạp, dữ liệu quá ít, hoặc huấn luyện quá lâu có thể khiến mô hình học nhầm nhiễu thay vì quy luật chung.

Cách khắc phục

Hiệu chỉnh (regularization), thêm dữ liệu, đơn giản hóa mô hình và dừng huấn luyện sớm là những cách thường dùng.

Hạn chế

Việc phát hiện overfitting cần tập kiểm định riêng, vì điểm trên dữ liệu huấn luyện không cho biết mô hình có tổng quát hóa hay không.

FAQ

Underfitting là gì?

Trạng thái mô hình quá đơn giản để nắm bắt quy luật quan trọng.

Nhiễu là gì?

Biến động ngẫu nhiên hoặc sai sót trong dữ liệu, không phải quy luật thật.

Vì sao điểm huấn luyện cao chưa đủ?

Mô hình có thể học thuộc dữ liệu mà làm việc kém trên dữ liệu mới.

Regularization có vai trò gì?

Giới hạn độ phức tạp để mô hình tổng quát hóa tốt hơn.

Điểm chính

Tiếp tục đọc học có giám sát là gì và học tự giám sát là gì.

Sources

  1. https://fpt.ai/vi/bai-viet/overfitting-la-gi/
  2. https://vnptai.io/vi/blog/detail/overfitting-la-gi
  3. https://www.datacamp.com/vi/tutorial/overfitting-vs-underfitting

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free