機器學習的防止過擬合方法

過擬合   我們都知道，在進行數據挖掘或者機器學習模型建立的時候，因爲在統計學習中，假設數據滿足獨立同分布（i.i.d，independently and identically distributed），即當前已產生的數據可以對未來的數據進行推測與模擬，因此都是使用歷史數據建立模型，即使用已經產生的數據去訓練，然後使用該模型去擬合未來的數據。但是一般獨立同分布的假設往往不成立，即數據的分佈可能會

>>阅读原文<<