ในการสร้างแบบจำลองการพยากรณ์ (Predictive Model) หากเราหลีกเลี่ยง Overfitting จนเกินไป จะเกิดปัญหาในทิศทางตรงข้าม ซึ่งเรียกว่าอะไร
กUnderfitting คือแบบจำลองที่เรียนรู้น้อยเกินไป ไม่สามารถจับรูปแบบของข้อมูลได้ ส่งผลให้ความแม่นยำต่ำทั้งในชุดฝึกและชุดทดสอบ
ขOverfitting คือแบบจำลองที่เรียนรู้มากเกินไป จดจำข้อมูลฝึกทุกรายละเอียด ส่งผลให้ทำงานได้ดีกับข้อมูลฝึกแต่ไม่ดีกับข้อมูลใหม่
คBias-Variance Tradeoff คือความสมดุลระหว่างความคลาดเคลื่อนของแบบจำลองกับความแปรปรวนของการพยากรณ์ในชุดข้อมูลต่างๆ
งData Leakage คือการที่ข้อมูลจากชุดทดสอบรั่วไหลเข้าสู่กระบวนการฝึกสอน ทำให้ผลการประเมินแบบจำลองสูงเกินจริง
เฉลยอธิบาย
Underfitting เกิดขึ้นเมื่อแบบจำลองมีความซับซ้อนน้อยเกินไป หรือถูกจำกัดข้อมูลและพารามิเตอร์มากเกินไปในการพยายามหลีกเลี่ยง Overfitting ส่งผลให้แบบจำลองไม่สามารถเรียนรู้รูปแบบที่สำคัญในข้อมูลได้ ทำให้ความแม่นยำต่ำทั้งในชุดข้อมูลฝึก (Training Set) และชุดข้อมูลทดสอบ (Test Set) ซึ่งเป็นปัญหาตรงข้ามกับ Overfitting โดยสิ้นเชิง