MBC-4-M8-R1

Algoritmos de la Biología Computacional

Desajuste, sobreajuste, y selección de modelos.

EMPEZAR

Entrenamiento de métodos de predicción basados en datos

Un método de predicción contiene un gran conjunto de parámetros.Por ejemplo: Una matriz para predecir la unión de péptidos (9meric) tiene 9x20 = 180 pesos. En este caso, el ajuste excesivo o overfitting es un problema. En otros casos, el desajuste excesivo o underfitting es un problema.

Underfitting – High bias and low variance

Tecnicas para reducir el desajuste excesivo:

• Incrementar la complejidad del modelo o model complexity.

• Aumentar el numero de caracteristicas o features, realizando ingeniería de caracteristicas o feature engineering.

• Elimine el ruido de los datos.

• Aumentar el número de epochs o aumentar la duración del entrenamiento para obtener mejores resultados.

Overfitting – High variance and low bias

Técnicas para reducir el sobreajuste excesivo:

• Incrementar los datos de entrenamiento.

• Reducir la complejidad del modelo o model complexity.

• Detener anticipadamente o early stopping durante la fase de entrenamiento (vigilando la pérdida o loss durante el período de entrenamiento tan pronto como la pérdida comienza a aumentar, dejar de entrenar).

• Regularización de crestas o ridge regularization y regularización de laso.

• Utilizar la deserción o dropout para redes neuronales para abordar el sobreajuste.

Model selection

La selección de modelos es el proceso de selección de un modelo final a partir de una serie de modelos candidatos para un conjunto de datos de entrenamiento. No sabemos que modelo se desempeñara mejor para el problema que tenemos, por lo tanto debemos ajustar y evaluar un conjunto de modelos.

Referencias

Nautiyal, D. (2017). Underfitting and Overfitting in Machine Learning. GeeksforGeeks. https://www.geeksforgeeks.org/underfitting-and-overfitting-in-machine-learning/

Raschka, S. (2016). Model evaluation, model selection, and algorithm selection in machine learning. Dr. Sebastian Raschka. https://sebastianraschka.com/blog/2016/model-evaluation-selection-part3.html