ML中的數據集處理方法

兩個常見概念： 過擬合：是指爲了得到一致假設而使假設變得過度嚴格。當機器學習把訓練樣本學習得「太好」，可能把訓練樣本自身的一些特點當成了所有潛在樣本都具有的一本性質，這樣舊會導致泛化性能下降，這種現象在機器學習中成爲過擬合overfitting. 欠擬合：是指模型擬合程度不高，即模型沒有很好地捕捉到數據特徵，不能夠很好地擬合數據。通常是由於學習能力低下而造成的。 一個直觀化的類比，如下圖所示：  

>>阅读原文<<