過擬合以及如何防止過擬合

什麼是過擬合 過擬合即模型在訓練過程中對模型參數進行擬合的過程中,由於訓練數據集存在抽樣誤差(噪聲),複雜的模型在訓練的過程中會將抽樣誤差也一同進行擬合。這就導致訓練好的模型在訓練集上的表現很好,在測試集上的表現很差的原因。 導致過擬合的主要原因有兩個:數據量太少和模型過於複雜 因爲機器學習算法在擬合出正確的規則後,具有進一步擬合噪聲的能力,因此,模型在訓練的過程中極有可能會發生過擬合。過擬合會大
相關文章
相關標籤/搜索