模型選擇問題

模型選擇問題 欠擬合和過擬合問題 當統計模型或機器學習算法無法捕捉數據的基礎變化趨勢時，就會出現欠擬合。 當統計模型把隨機誤差和噪聲也考慮進去而不僅僅考慮數據的基礎關聯時，就會出現過擬合。 正則化 添加參數的懲罰項，防止模型對數據的過擬合。 regularization L2正則化 （嶺迴歸Ridge） L1正則化 (套鎖LASSO） 奧卡姆剃刀原則 儘量使得模型簡單 有多個假設模型時,我們應該選

>>阅读原文<<