برازش

معنی کلمه برازش در لغت نامه دهخدا

برازش. [ ب َ زِ ] ( اِمص ) اسم مصدر است از برازیدن. زیبندگی.( آنندراج ) ( برهان ). || وصل کردن پنبه و پاره بر قبا و خرقه و امثال آن. ( برهان ) ( آنندراج ).

معنی کلمه برازش در فرهنگ عمید

۱. برازندگی، زیبندگی.
۲. شایستگی.

معنی کلمه برازش در فرهنگ فارسی

زیبندگی یا وصل کردن پنبه و پاره بر قبا و خرقه و امثال آن .

معنی کلمه برازش در ویکی واژه

برازش (جمع برازش‌ها)
اسم مصدر است از برازیدن . زیبندگی

جملاتی از کاربرد کلمه برازش

نه با نمایش او کس فراز تخت نشست نه با برازش او کس سوار شد والله
مولفه اثر آلی رابطه مثبت بین هر جزء قابل اندازه‌گیری برازش اندام فردی و انبوهی جمعیت است. اثر جمعیتی آلی رابطه مثبت بین برازش اندام کلی فردی و تراکم جمعیت است.
در نهایت این روش می‌بایست با دقت و مراقبت لازم استفاده گردد تا منجر به بیش‌برازش نشده و کارایی بهینه‌تر در مدل مدنظر محقق شود.
تعریف عمومی پذیرفته‌شده اثر آلی، وابستگی به انبوهی مثبت یا همبستگی مثبت بین تراکم جمعیت و برازش فردی است. گاهی از آن به عنوان "کم‌جمعیتی" یاد می‌شود و آن را مشابه (یا حتی مترادف آن در نظر برخی) با " وابستگی " در زمینه علوم شیلات است. در زیر چند زیرمجموعه مهم از اثر آلی که در ادبیات بوم‌شناسی استفاده می‌شود ذکر شده‌است.
منم حیدر که دیدارم یقینست دل و جانم برازش پیش بین است
بیشتر رویکردهایی که از طریق داده‌های آموزشی برای روابط علمی جستجو می‌شوند، منجر به بیش برازش می‌شوند، به این معنی که آنها می‌توانند روابط آشکار را در داده‌های آموزشی که به‌طور کلی نگهداری نمی‌شوند، شناسایی و بهره‌برداری کنند.
عمر فرصت ابرازش ندارد، بی آنکه بفشاریش پیش آور.
عدل تو سرزنش کلک کند ز آنکه همی با عروس تّق غیب برازش بیند
جامه را باید برازش ازدرازی بر زمین گر کشان همواره ات دامان نباشد گو مباش
گاهی اوقات، ابرپارامترها نمی‌توانند از داده‌های آموزشی یادگرفته بشوند، زیرا آنها به شدت ظرفیت یک مدل را افزایش می‌دهند (مدل پیچیده می‌شود) و برخلاف نقشه‌برداری صحیح از غنای داده‌ها می‌توانند تابع تلفات را به حداقل برسانند (مانند تطبیق بیش از حد و دریافت نویز در داده‌ها). برای مثال، اگر درجه یک معادله چند جمله‌ای برازش مدل رگرسیونی را به‌عنوان یک پارامتر قابل آموزش در نظر بگیریم، این درجه تا زمانی افزایش می‌یابد که مدل کاملاً با داده‌ها مطابقت داشته باشد که در پی آن خطای آموزشی کم، اما عملکرد تعمیم ضعیفی را به همراه دارد.
این روش محاسبهٔ نیکویی برازش مقداری جریمه برای افزایش تعداد متغیرهای توضیح دهنده در مدل در نظر می‌گیرد و بنابراین هنگامی که متغیرهای توضیح دهنده به مدل اضافه می‌شوند افزایش نخواهند یافت. در حقیقت آن ممکن است با اضافه شدن یک متغیر به جمع متغیرهای توضیح دهنده کاهش یابد. توجه کنید که در بسیاری از موارد
مشکلی که ممکن است این روش دلیل ایجاد آن شود، مشکل بیش‌برازش است؛ زیرا که مدل فقط براساس نمونه‌های حقیقی آموزش میابد و بر روی داده‌های آموزش به خوبی منطبق شده و حالت کلی برای پیش‌بینی کردن را از دست بدهد.
سخن عشق بود آتش سوزان آری نتوان کرد بهر خام طمع ابرازش
مجموعه داده ای است که مستقل از مجموعه آموزش است، اما از توزیع احتمال مشابه مجموعه داده آموزش پیروی می‌کند. اگر مدل ساخته شده بر اساس داده‌های آموزشی عملکرد خوبی بر داده‌های آزمایشی نیز داشته باشد، میزان بیش برازش به حداقل می رشد. برازش بهتر مجموعه داده آموزش بر خلاف مجموعه داده آزمون معمولاً به بیش برازش اشاره دارد.