機器學習——正則化

問題：過擬合 算法訓練結束後可能會產生兩種讓人不想面對的結果，一種是欠擬合，一種是過擬合。需要注意二者針對的對象都是訓練數據，再結合名字就非常容易理解這兩個名字的意思了。 欠擬合：即使是在訓練數據上都存在較大的誤差。 過擬合：在訓練數據上誤差非常小甚至沒有誤差，過度的擬合了訓練數據以至於失去了數據整體上的趨勢不能很好的用在真實數據上。 過擬合產生的原因主要有兩個，過多的特徵參數，過少的訓練數據。

>>阅读原文<<