【機器學習】過擬合與欠擬合

我們在訓練機器學習模型或者深度學習神經網絡中經常會遇到過擬合與欠擬合的問題,接下來就對這兩個問題進行簡單介紹,並舉出幾種相應的解決辦法。 1、過擬合與欠擬合 過擬合是指訓練數據上能夠獲得比其他假設更好的擬合, 但是在訓練數據外的數據集上卻不能很好地擬合數據,此時認爲這個假設出現了過擬合的現象。出現這種現象的主要原因是訓練數據中存在噪音或者訓練數據太少。 欠擬合就是指我們訓練的模型要求過於寬泛無法達
相關文章
相關標籤/搜索