機器學習時模型不夠複雜——欠擬合，模型過於複雜——過擬合

文章目錄 欠擬合與過擬合 1.定義 2.原因以及解決辦法 （1）欠擬合 1.欠擬合原因 2.欠擬合解決辦法 （2）過擬合 1.過擬合原因 2.過擬合解決辦法 欠擬合與過擬合 1.定義 過擬合：訓練集的誤差小，但測試集的誤差大 一個假設在訓練數據上能夠獲得比其他假設更好的擬合， 但是在測試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。(模型過於複雜) 欠擬合：模型很簡單的時候，兩

>>阅读原文<<