Under-fitting – নিউরাল নেটওয়ার্ক

আগের পোস্টে আমরা এটা জেনেছি যে ওভারফিটিং কি এবং কিভাবে এটা থেকে আমরা আমাদের মডেলকে রক্ষা করবো। আজকে আমরা Under-fitting নিয়ে আলোচনা করবো। Under-fitting এর কনসেপ্ট Over-fitting এর বিপরীত। Over-fitting এ আমাদের মডেল ট্রেইনিং ডেটা তে খুব ভালো করতো কিন্তু টেস্ট ডেটা তে না। Under-fitting এর বেলাতে টেস্ট ডেটা অনেক দূরের কথা, মডেল ট্রেনিং ডেটাতেই কোন পারফরমেন্স দেখাতে পারেনা।

আমার প্রাইমারী স্কুলের হেডস্যার মাঝে মাঝেই একটা কথা বলত। ‘চলে বেশি, আগায় কম’। কথাটা আমাদের মডেলের under-fitting এর টপিক এর সাথে একদম মিলে যায়। আমাদের মডেল ট্রেনিং ডেটা থেকে অনেক শিখবে কিন্তু শেষ পর্যন্ত ট্রেনিং ডেটাই ঠিক মতো প্রেডিক্ট করতে পারবে না।

কিভাবে বুঝবোঃ আমরা ট্রেনিং এর সময়কার কনসোল দেখেই বলে দিতে পারবো যে এটা আন্ডার-ফিটিং কি না। খুবই সোজা, ট্রেনিং একুরেসি অনেক কম অথবা ট্রেনিং লস অনেক বেশি।

এছাড়াও আপনি চাইলে লস গ্রাফ দেখে বলে দিতে পারেন। চলুন সবগুলো একই গ্রাফে দেখে নেয়া যাক।

পরিত্রাণের উপায় আছে কি?: অবশ্যই। আপনার মডেল যদি আন্ডারফিটিং এর কবলে পরে তাহলে নিম্নোক্ত উপায়গুলো অবলম্বন করতে পারেন।

১. মডেলের কমপ্লেক্সিটি বাড়ানোঃ আন্ডারফিটিং এর একটা কারণ হতে পারে যে আপনার ডেটা একটু বেশিই জটিল এবং সেই হিসেবে আপনার মডেল অনেক সাধারণ। মডেলের কমপ্লেক্সিটি বাড়ালে একুরেসিও বাড়তে পারে। কিভাবে বাড়াবেন? সুন্দর প্রশ্ন। এর জন্য আপনিঃ

  • নতুন লেয়ার যোগ করতে পারেন
  • লেয়ারের নিউরনের সংখ্যা বাড়াতে পারেন
  • উপরের গুলোতে কাজ না হলে অন্য টাইপের লেয়ার ব্যবহার করতে পারেন।

২. ড্রপ-আউটঃ আপনি যদি আপনার মডেলে ড্রপ-আউট ব্যবহার করে থাকেন, তাহলে ড্রপ-আউট রেট কমিয়ে দিতে পারেন। ওভার-ফিটিং এর ঠিক বিপরীত টেকনিক। ধরুন আপনার মডেল ৫০% নিউরনকে বাদ দিয়ে দিচ্ছে। এটা একটা কারণ হতে পারে। আপনি এটাকে কমিয়ে ২০% করে দেখতে পারেন।

৩. আরো ট্রেনিংঃ এমন হতে পারে যে আপনার মডেল অনেক ধীরে ধীরে শিখছে। লার্নিং রেট, ডেটা, মডেল ইত্যাদির কারণে এরকম হওয়াটাও খুব স্বাভাবিক। যদি দেখতে পান যে ধীরে হলেও আপনার মডেল শিখছে। গ্রাফ প্লট করে নিশ্চিত হয়ে নিতে পারেন যে আসলেও কনভার্জ করছে কি না। কনফার্ম হবার পরে ট্রেনিং ইপোকের সংখ্যা বাড়িয়ে দিতে পারেন।

৪. Data feature: এটা সবথেকে সময়সাপেক্ষ কাজ। কারণ আপনি ইতিমধ্যে একবার ডেটা রেডি করে ফেলেছেন। আবার নতুন করে নতুন একটা ফিচার এড করা সহজ কথা নয়। তবুও যদি পসিবল হয় তাহলে আরো ফিচার এড করে দিতে পারেন। ধরুন আপনি আগামীকাল বৃষ্টি হবে কি না এটা প্রেডিক্ট করবেন। আপনার ডেটা সেটে তাপমাত্রা, আদ্রতা, মেঘলা কি না এই ৩ টা ফিচার আছে। এখন আপনি যদি সাথে বায়ুপ্রবাহ ফিচার হিসেবে যোগ করে দেন তাহলে একুরেসি বেড়ে যাবার সম্ভাবনা আছে।

চেষ্টা করি সাধারণভাবে বুঝানোর জন্য। কিছু পয়েন্ট মিস হয়ে যেতে পারে। এরকম কিছু ঘটলে অবশ্যই জানাবেন। কোন প্রশ্ন থাকলে কমেন্টে জানাবেন।

আমাদের সিলেবাস দেখতে এখানে ক্লিক করুন।


Leave a Reply

Your email address will not be published. Required fields are marked *