modelkompleksitet
Modelkompleksitet betegner en models kapacitet til at indfange mønstre i data, ofte målt ved antal parametre eller modelarkitekturens dybde.
Kort fortalt
Hvor avanceret en model er, fx hvor mange parametre den har — jo højere kompleksitet, desto mere detaljeret kan den lære, men risikoen for overfitting stiger.
- Kategori
- begreb
- Niveau
- øvet
Betydninger
1- 1
En models evne til at udtrykke komplicerede funktioner, typisk korreleret med antallet af trænede parametre eller lag.
- En lineær regressionsmodel har lav modelkompleksitet, mens en dyb neural netværk kan have meget høj modelkompleksitet.
- Ved at øge modelkompleksiteten kan træningsfejlen reduceres, men testfejlen kan stige på grund af overfitting.
Hvornår bruges det
Modelkompleksitet er centralt ved valg af arkitektur for en given opgave. Man ønsker typisk den lavest mulige kompleksitet, der stadig kan løse opgaven tilfredsstillende (Occams rageblad). I praksis reguleres kompleksiteten gennem hyperparametre som antal lag, neuroner eller regulariseringsstyrke.
Oprindelse
Sammensat af 'model' (af latin modulus, 'mål') og 'kompleksitet' (af latin complexus, 'omfattende').