20191204——機器學習複習 欠擬合與過擬合

問題提出 我們有時候在訓練集訓練的很好，可是在測試集上結果就不是很理想 出現了過擬合 欠擬合 —— 學習到的特徵太少了 過擬合—— 學習到的特徵太多了 定義：欠擬合：一個假設在訓練數據上不能獲得更好的擬合，並且在測試數據上也不能很好地擬合數據 過擬合：在訓練數據上比其他假設更好的擬合數據 解決方案 正則化 L2正則化(更常用)： 儘量減少高次項特徵的影響，可以使得其中一些W都很小，接近爲0，削弱某

>>阅读原文<<