機器學習第七章

7.1過擬合問題 泛化能力：機器學習算法（模型）對新樣本（沒出現在訓練集的數據）的適應能力。訓練好的模型對新樣本可以做出適當的預測的能力。 過擬合： 機器學習模型在訓練樣本中表現得過於優越，導致在驗證數據集以及測試數據集中表現不佳。泛化能力弱。 欠擬合： 首先欠擬合就是模型沒有很好地捕捉到數據特徵，不能夠很好地擬合數據。   解決過擬合的辦法： 減少特徵變量的數量 人工挑選 模型選擇算法（Mode

>>阅读原文<<