林軒田《機器學習基石》(十三)—— Hazard of overfitting

上節課講了如何解決非線性問題:通過特徵變換,將非線性模型映射到另一個空間,轉換爲線性模型,再來進行分類。我們說這樣會增加額外的模型複雜度。今天我們說這個額外的複雜度會造成機器學習過擬合(overfitting)現象。今天講困難怎麼產生的以及如何解決它。 一、什麼是過擬合? 先從一個例子出發,我們現在要做一個一維的迴歸分析,資料中有五個點,然後輸出一個實數。 資料:,N = 5 目標函數f:f是一個
相關文章
相關標籤/搜索