機器學習基礎——過擬合，欠擬合

最左邊屬於欠擬合，最右邊過擬合。 欠擬合是對數據擬合的不好，在訓練集和測試集上的表現都很差。 過擬合在訓練集上表現得很好，在測試集上表現得不好 欠擬合原因： 模型過於簡單————使用更復雜的模型，集成 訓練次數不夠————增加訓練次數 過擬合原因： 模型過於複雜 訓練數據少 數據中噪聲多 解決過擬合方法： 簡化模型 減少模型參數：對於決策樹可以剪枝 對於神經網絡可以減少層數，每層的神經元數目；使用

>>阅读原文<<