一文看懂機器學習過擬合

什麼是過擬合？ 首先我們來解釋一下過擬合的概念？ 過擬合就是訓練出來的模型在訓練集上表現很好，但是在測試集上表現較差的一種現象！下圖給出例子： 我們將上圖第三個模型解釋爲出現了過擬合現象，過度的擬合了訓練數據，而沒有考慮到泛化能力。在訓練集上的準確率和在開發集上的準確率畫在一個圖上如下： 從圖中我們能夠看出，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！ 模型出現過

>>阅读原文<<