關於「過擬合」問題，學習更新中

所謂過擬合（over-fitting）其實就是所建的機器學習模型或者是深度學習模型在訓練樣本中表現得過於優越，導致在驗證數據集以及測試數據集中表現不佳。 如果模型很簡單，但是要分的類型很多就會產生欠擬合。比如要求用一條直線將數據分成10類。 反之如果模型很複雜，但是分類很簡單，就容易產生過擬合。比如，有一個複雜度很高的非線性分類器，用來分類貓和狗。訓練久了以後，可能會出現有幾個長得像狗的貓和長得像

>>阅读原文<<