ओवरफिटिंग क्या है?
ओवरफिटिंग एक मॉडलिंग त्रुटि है जो तब होती है जब एक फ़ंक्शन डेटा बिंदुओं के एक सीमित सेट के लिए बहुत करीब होता है। मॉडल को ओवरफिट करने से आम तौर पर अध्ययन के तहत डेटा में idiosyncrasies की व्याख्या करने के लिए एक अत्यधिक जटिल मॉडल बनाने का रूप ले लेता है।
वास्तव में, अक्सर अध्ययन किए गए डेटा में कुछ हद तक त्रुटि या यादृच्छिक शोर होता है। इस प्रकार, मॉडल को थोड़े से गलत डेटा के बहुत करीब से अनुरूप बनाने का प्रयास मॉडल को पर्याप्त त्रुटियों के साथ संक्रमित कर सकता है और इसकी पूर्वानुमान शक्ति को कम कर सकता है।
चाबी छीन लेना
- ओवरफिटिंग एक मॉडलिंग त्रुटि है जो तब होती है जब कोई फ़ंक्शन डेटा बिंदुओं के सीमित सेट के बहुत करीब होता है। वित्तीय पेशेवरों को हमेशा सीमित डेटा के आधार पर मॉडल ओवरफिट करने के खतरों के बारे में पता होना चाहिए।
ओवरफिटिंग को समझना
उदाहरण के लिए, पैटर्न खोजने के लिए एक सामान्य समस्या ऐतिहासिक बाजार डेटा के व्यापक डेटाबेस को खोजने के लिए कंप्यूटर एल्गोरिदम का उपयोग कर रही है। पर्याप्त अध्ययन को देखते हुए, अक्सर विस्तृत प्रमेयों को विकसित करना संभव है जो स्टॉक मार्केट में रिटर्न जैसी चीजों की भविष्यवाणी करने के लिए दिखाई देते हैं।
हालांकि, जब नमूने के बाहर डेटा के लिए आवेदन किया जाता है, तो ऐसे प्रमेय संभवतः एक मॉडल के ओवरफिटिंग के रूप में साबित हो सकते हैं कि वास्तव में क्या मौका होता है। सभी मामलों में, डेटा के खिलाफ एक मॉडल का परीक्षण करना महत्वपूर्ण है जो इसे विकसित करने के लिए उपयोग किए गए नमूने के बाहर है।
वित्तीय पेशेवरों को हमेशा सीमित डेटा के आधार पर एक मॉडल को ओवरफिट करने के खतरों के बारे में पता होना चाहिए।
