Встречается на собеседованиях • сегодня

Можно ли с помощью параметрического теста определить переобучение модели

Параметрические тесты (например, t-тест, ANOVA) не предназначены для выявления переобучения. Они проверяют гипотезы о параметрах распределений. Переобучение диагностируют по разнице между метриками на обучающей и валидационной выборках.

Как проверить переобучение:

  1. Сравнить accuracy/precision/recall на train и test.
  2. Если на train метрики значительно выше — модель переобучена.

Пример:

python
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
model = RandomForestClassifier()
model.fit(X_train, y_train)

train_acc = accuracy_score(y_train, model.predict(X_train))
test_acc = accuracy_score(y_test, model.predict(X_test))

print(f"Train accuracy: {train_acc:.2f}, Test accuracy: {test_acc:.2f}")
# Если train_acc >> test_acc — переобучение

Для борьбы с переобучением используют регуляризацию, кросс-валидацию, упрощение модели.

Sophi
Софи собрала все вопросы. Тренируйся и получай
офферы быстрее!
Попробовать бесплатноArrow

Следующий вопрос

Это единственный вопрос по вашему фильтру

как отвечать на вопрос
пример собеседования
фреймворки на собеседовании
типичные вопросы junior
интервью вопросы и ответы