過擬合（定義、出現的原因4種、解決方案7種）

定義 定義：給定一個假設空間H，一個假設h屬於H，如果存在其他的假設h’屬於H,使得在訓練樣例上h的錯誤率比h’小，但在整個實例分佈上h’比h的錯誤率小，那麼就說假設h過度擬合訓練數據。 ———《Machine Learning》Tom M.Mitchell 出現過擬合的原因 1.  訓練集的數量級和模型的複雜度不匹配。訓練集的數量級要小於模型的複雜度； 2.  訓練集和測試集特徵分佈不一致； 3

>>阅读原文<<