انحدار مزدوج - ويكيبيديا

يُشير مصطلح الانحدار المضاعف في الإحصاء وتعلم الآلة إلى الظاهرة التي يكون فيها للنموذج الذي يحتوي على عدد قليل من المعلمات، وكذلك النموذج الذي يحتوي على عدد كبير جدًا من المعلمات، خطأ اختبار صغير. ومع ذلك، فإن النموذج الذي يكون فيه عدد المعلمات قريبًا من عدد نقاط البيانات المستخدمة لتدريبه يظهر خطأً كبيرًا.^[2] تُعتبر هذه الظاهرة مفاجئة لأنها تتناقض مع الافتراضات التقليدية المتعلقة بالإفراط في التخصيص في تعلم الآلة الكلاسيكي. ^[1]

مراجع

^ ^ا ^ب Schaeffer, Rylan; Khona, Mikail; Robertson, Zachary; Boopathy, Akhilan; Pistunova, Kateryna; Rocks, Jason W.; Fiete, Ila Rani; Koyejo, Oluwasanmi (24 Mar 2023). "Double Descent Demystified: Identifying, Interpreting & Ablating the Sources of a Deep Learning Puzzle" (بالإنجليزية). arXiv:2303.14151v1 [cs.LG].
^ "Deep Double Descent". OpenAI (بالإنجليزية). 5 Dec 2019. Archived from the original on 2022-01-27. Retrieved 2022-08-12.

هذه بذرة مقالة بحاجة للتوسيع. فضلًا شارك في تحريرها.

[:1-1] ا ^ب Schaeffer, Rylan; Khona, Mikail; Robertson, Zachary; Boopathy, Akhilan; Pistunova, Kateryna; Rocks, Jason W.; Fiete, Ila Rani; Koyejo, Oluwasanmi (24 Mar 2023). "Double Descent Demystified: Identifying, Interpreting & Ablating the Sources of a Deep Learning Puzzle" (بالإنجليزية). arXiv:2303.14151v1 [cs.LG].

[2] "Deep Double Descent". OpenAI (بالإنجليزية). 5 Dec 2019. Archived from the original on 2022-01-27. Retrieved 2022-08-12.

[1]

[2]