สัญญาณรบกวนแบบกำหนดได้

ในการเรียนรู้ของเครื่องจักร (แบบมีผู้กำกับดูแล)โดยเฉพาะอย่างยิ่งเมื่อเรียนรู้จากข้อมูล มีสถานการณ์ที่ค่าข้อมูลไม่สามารถสร้างแบบจำลองได้ สถานการณ์นี้อาจเกิดขึ้นได้หากมีความผันผวนแบบสุ่มหรือข้อผิดพลาดในการวัดในข้อมูลที่ไม่สามารถสร้างแบบจำลองได้ และสามารถเรียกได้อย่างเหมาะสมว่าสัญญาณรบกวนแบบสุ่มหรือเมื่อปรากฏการณ์ที่กำลังสร้างแบบจำลอง (หรือเรียนรู้) มีความซับซ้อนมากเกินไป ดังนั้นข้อมูลจึงมีความซับซ้อนเพิ่มเติมที่ไม่สามารถสร้างแบบจำลองได้ ความซับซ้อนเพิ่มเติมในข้อมูลนี้เรียกว่า สัญญาณรบกวน แบบกำหนด^{[ 1 ]}แม้ว่าสัญญาณรบกวนทั้งสองประเภทนี้จะเกิดขึ้นจากสาเหตุที่แตกต่างกัน แต่ผลกระทบเชิงลบต่อการเรียนรู้นั้นคล้ายคลึงกัน การเกิดภาวะโอเวอร์ฟิตติ้งเกิดขึ้นเนื่องจากแบบจำลองพยายามที่จะปรับให้เข้ากับสัญญาณรบกวน (แบบสุ่มหรือแบบกำหนด) (ส่วนของข้อมูลที่ไม่สามารถสร้างแบบจำลองได้) โดยแลกกับการปรับส่วนของข้อมูลที่สามารถสร้างแบบจำลองได้ เมื่อมีสัญญาณรบกวนประเภทใดประเภทหนึ่งอยู่ มักจะแนะนำให้ทำการปรับค่าอัลกอริธึมการเรียนรู้เพื่อป้องกัน การเกิดภาวะ โอเวอร์ฟิตติ้งของแบบจำลองกับข้อมูลและได้ประสิทธิภาพที่ด้อยกว่า การปรับค่ามักจะส่งผลให้แบบจำลองมีความแปรปรวนต่ำลงโดยแลกกับ อคติ

อาจลองบรรเทาผลกระทบของสัญญาณรบกวนโดยการตรวจจับและกำจัดตัวอย่างการฝึกอบรมที่มีสัญญาณรบกวนก่อนการฝึกอัลกอริธึมการเรียนรู้แบบมีผู้กำกับดูแล มีอัลกอริธึมหลายตัวที่ระบุตัวอย่างการฝึกอบรมที่มีสัญญาณรบกวน และการกำจัดตัวอย่างการฝึกอบรมที่สงสัยว่ามีสัญญาณรบกวนก่อนการฝึกมักจะช่วยปรับปรุงประสิทธิภาพ^{[ 2 ] [ 3 ]}