統計學習基礎

過擬合和欠擬合 過擬合是指訓練誤差和測試誤差之間的差距太大。就是模型複雜度高於實際問題，模型在訓練集上表現很好，但在測試集上卻表現很差。 措施： 1、增加數據集 2、加入正則化 3、進行特徵選擇 4、提前停止訓練，深度學習中常用dropout策略。 欠擬合是指模型不能在訓練集上獲得足夠低的誤差。換句換說，就是模型複雜度低，模型在訓練集上就表現很差，沒法學習到數據背後的規律。 措施： 1、增加模型復

>>阅读原文<<