欠擬合和過擬合出現原因及解決方案

機器學習的基本問題是利用模型對數據進行擬合，學習的目的並非是對有限訓練集進行正確預測，而是對未曾在訓練集合出現的樣本能夠正確預測。模型對訓練集數據的誤差稱爲經驗誤差，對測試集數據的誤差稱爲泛化誤差。模型對訓練集以外樣本的預測能力就稱爲模型的泛化能力，追求這種泛化能力始終是機器學習的目標 過擬合(overfitting)和欠擬合(underfitting)是導致模型泛化能力不高的兩種常見原因，都是模

>>阅读原文<<