機器學習基礎--過擬合和欠擬合

過擬合和欠擬合   1）欠擬合：機器學習模型無法得到較低訓練誤差。   2）過擬合：機器學習模型的訓練誤差遠小於其在測試數據集上的誤差。   我們要儘可能同時避免欠擬合和過擬合的出現。雖然有很多因素可能導致這兩種擬合問題，在這裏我們重點討論兩個因素：模型的選擇和訓練數據集的大小。 1）模型選擇   拿多項式函數舉例，一般來說，高階多項式函數（擬合能力較強）比低階多項式函數（擬合能力較弱）更容易在相

>>阅读原文<<