Dizionario AI › Fondamenti AI
L'early stopping è una tecnica che interrompe l'addestramento di un modello prima che raggiunga il numero massimo di epoche previsto, quando le prestazioni sui dati di validazione smettono di migliorare. Serve a evitare l'overfitting, cioè la situazione in cui il modello continua a migliorare sui dati di addestramento ma peggiora sulla sua capacità di generalizzare. È una delle tecniche di regolarizzazione più semplici e diffuse.
Durante l'addestramento si monitora periodicamente una metrica calcolata su un insieme di validazione separato dai dati di training. Quando questa metrica smette di migliorare per un certo numero di controlli consecutivi, l'addestramento viene fermato e si conserva il checkpoint corrispondente al momento in cui le prestazioni erano migliori.
È una pratica comune nell'addestramento di reti neurali di molti tipi, incluse quelle usate per compiti di classificazione, regressione e generazione. Viene spesso combinata con altre tecniche di regolarizzazione come il dropout o la penalizzazione dei pesi, per ottenere modelli che generalizzano meglio su dati mai visti.
È una tecnica di regolarizzazione affermata nella pratica del machine learning, adottata ampiamente per il suo basso costo implementativo e la sua efficacia nel prevenire l'overfitting.
Dalla nostra rete
AGORÀ Intelligence: Enterprise AI Governance Platform
Govern AI at scale: policies, adoption and measurable results on your data. Built for boards and C-suite.
Vai su agora-intelligence.com →Dal blog di Agora Intelligence
📱 Scarica l'app Android (beta) iOS in arrivo
Dì quello che intendi. Ottieni quello che ti serve.
Grace Certified, la coach AI che allena e certifica il tuo prompt engineering, di Agora Intelligence.