[深度學習]模型泛化性能的度量標準

過擬合與欠擬合 1.概念 過擬合：當模型過度地學習訓練樣本中的細節與噪音，把訓練樣本自身的一些特點當做了所有潛在樣本都會具有的一般性質，這樣就會導致泛化性能的下降，以至於模型在新的數據上表現很差。 欠擬合：對訓練樣本的一般性質尚未學好。 2.原因 出現過擬合的原因：訓練集與測試集的特徵分佈不一致 / 模型太過複雜，而樣本量不足 出現欠擬合的原因：模型比較簡單 / 模型本身性能不佳 / 訓練樣本太多

>>阅读原文<<