過擬合問題的一些探討

1、什麼是過擬合？ 過擬合（overfitting）是指學習時選擇的模型所包含的參數過多（即模型容量很大），以至於出現這一模型對已知數據預測得很好，但對未知數據預測得很差的現象。 下圖中反映了在線性模型中欠擬合、適當擬合和過擬合的圖像。（圖片來自於吳恩達機器學習課程） 下圖中反映了在邏輯迴歸模型中欠擬合、適當擬合和過擬合的圖像。（圖片來自於吳恩達機器學習課程） 2、產生過擬合的原因 產生過擬合的主

>>阅读原文<<