機器學習筆記6:過擬合的常見原因,數學解釋以及解決方法

概念 爲了得到一致假設而使假設變得過度嚴格稱爲過擬合。 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。 [1]  判斷方法 一個假設在訓練數據上能夠獲得比其他假設更好的擬合, 但是在訓練數據外的數據集上卻不能很好地擬合數據,此時認爲這個假設出現了過擬合的現象。出現這
相關文章
相關標籤/搜索