過擬合和欠擬合及其解決方法

過擬合是指學習時選擇的模型所包含的參數過多，出現對已知數據預測很好，對未知數據預測很差的現象(過擬合表現爲高方差)； 欠擬合是指學習時選擇的模型所包含的參數過少，出現對已知數據預測很差，對未知數據預測也很差的現象(欠擬合表現爲高偏差)。 參見我的博客：機器學習算法總結1:統計學習方法概論 如上圖所示，圖1即爲欠擬合，圖3即爲過擬合。 1.過擬合解決方法： 一般地，過擬合有兩種解決方案：一是拓展數據

>>阅读原文<<