機器學習之欠擬合與過擬合（一）

機器學習之欠擬合與過擬合（一） 1.欠擬合(underfitting)與過擬合(overfitting) 在機器學習中，我們的主要思想是通過對數據集的學習來生成我們的假設模型。在對數據集進行擬合的過程中，我們可能會遇到欠擬合和過擬合的問題。以身高預測的例子爲例，這裏給出7-18歲男生的身高標準（數據來源：7 歲～18 歲兒童青少年身高發育等級評價），如圖1: 將中位數隨年齡的變化繪製成散點圖，如圖

>>阅读原文<<