過擬合、正則化和損失函數

一、過擬合： 過度的擬合了訓練數據， 而沒有考慮到泛化能力。 模型在訓練集上表現很好，但是在交叉驗證集上表現先好後差。 這也正是過擬合的特徵！ 發生過擬合的主要原因可以有以下三點： （1） 數據有噪聲 （2） 訓練數據不足， 有限的訓練數據 （3） 訓練模型過度導致模型非常複雜 防止過擬合： 1、減少特徵屬性 防止過度訓練，使訓練集對真實數據有更多的容忍度 2、增大樣本數量 增加更多的樣本數據，使

>>阅读原文<<