我在b站學ML（八）

過擬合問題及解決方法 從線性迴歸中房價的例子可以很容易理解欠擬合和過擬合的問題 過度擬合的問題將會在變量較多的時候發生，這種時候訓練的方程總能很好的擬合訓練數據，所以代價函數很可能非常接近於0，但是這樣的曲線它千方百計的擬合於訓練數據，把一些樣本自帶的屬性認作是整個系統所具有的屬性，這將導致它無法泛化到新的數據樣本中，以至於無法做出正確的預測。（泛化指的是一個假設模型能夠應用到新樣本的能力） 同樣

>>阅读原文<<