機器學習、數據挖掘-推薦系統問題總結

參考各種資料總結一下，準備面試。更新中~ 1、過擬合與欠擬合 過擬合：在訓練數據集上表現較好，在測試集上表現較差。 可能的原因： 參數太多，模型複雜度高。 樣本噪聲數據較大，模型學到了噪聲數據的特徵。 對於決策樹模型，對於決策樹的生長沒有進行合理的限制和修剪。 對於神經網絡，迭代次數太多(overtraining)，擬合數據中的噪聲和無代表性的特徵。 解決方法： 降低模型複雜度，使用簡單的模型 增

>>阅读原文<<