機器學習小常識一——如何防止過擬合和欠擬合

  概念解釋： 過擬合：訓練的模型在訓練集上面的表現很好，但是在驗證集上面的表現很差，即模型的泛華能力較差，如圖1 中的Overfitting； 欠擬合：訓練的模型在訓練集上面的表現很差，在驗證集上面的表現也很差,如圖1 中的 Underfitting； 原因分析： 過擬合： 1. 最本質原因是「訓練的模型太複雜，即模型記住了某些並不通用的特徵，而不是學習到了通用的特徵」； 2. 訓練集和驗證集不

>>阅读原文<<