欠擬合與過擬合的形成原因及解決方案

對於一個機器學習或者深度學習模型而言，我們不僅希望它能在訓練數據中表現較好（訓練誤差），同時希望它在測試集中有較好的表現（泛化誤差）。過擬合和欠擬合就是用來描述泛化誤差的。 欠擬合可以理解爲對訓練數據的信息提取不充分，沒有學習到數據背後的規律，導致模型應用在測試集上時，無法做出正確的判斷。 過擬合可以理解爲對訓練數據的信息提取過多，模型不僅學習到了數據背後的規律，還把數據噪聲當做規律學習到了。這就

>>阅读原文<<