【深度學習筆記】過擬合與欠擬合

過擬合簡答來說即模型在訓練集上錯誤率較低，但在未知數據（包括測試集）上錯誤率很高。 欠擬合簡單來說是模型不能很好的擬合訓練集，在訓練集上就已經錯誤率較高。 模型複雜度是影響擬合的一個因素。模型複雜度較低就會出現欠擬合的現象。模型複雜度較高，導致與訓練集擬合非常好，模型參數訓練出來是十分適合訓練集的，可能出現過擬合的現象。 影響欠擬合和過擬合的另⼀個重要因素是訓練數據集的大小。⼀般來說，如果訓練數據

>>阅读原文<<