機器學習中的過擬合與解決辦法

什麼是過擬合 對於機器學習項目而言，過擬合（overfitting）這個問題一般都會遇到。什麼是過擬合呢？ 維基百科： 在統計學中，過擬合現象是指在擬合一個統計模型時，使用過多參數。對比於可獲取的數據總量來說，一個荒謬的模型只要足夠複雜，是可以完美地適應數據。過擬合一般可以視爲違反奧卡姆剃刀原則。當可選擇的參數的自由度超過數據所包含信息內容時，這會導致最後（擬合後）模型使用任意的參數，這會減少或破

>>阅读原文<<