過擬合與數據不平衡

過擬合與數據不平衡 什麼是過擬合？ 過擬合就是學習器對訓練樣本數據的學習的過於徹底，將一些訓練樣本的噪聲或者不屬於全體樣本的一般特徵也學習了，造成在訓練樣本上效果表現很好而在測試樣本上表現效果非常差的一種現象。 爲什麼會過擬合？ 對於數據樣本，可能存在隱單元的表示不唯一，即產生分類的決策面不唯一，隨着學習的進行，BP算法使權值可能收斂過於複雜的決策面。 權值學習迭代次數足夠多，擬合了訓練數據中的噪

>>阅读原文<<