機器學習——正則化

1、欠擬合與過擬合 欠擬合 模型不能很好的描述數據，不具備足夠的靈活性來適應數據的左右特徵 模型在驗證集的表現與在訓練集的表現類似，都不理想 過擬合 模型具有足夠的靈活性近乎完美地適應了數據的所有特徵，但過多地學習了數據的噪音，在適應數據所有特徵的同時也適應了隨機誤差 模型在驗證集的表現遠遠不如在訓練集的表現 圖片來源於：https://www.cnblogs.com/jianxinzhou/p/

>>阅读原文<<