機器學習_欠擬合和過擬合問題及解決方法

欠擬合和過擬合 如上圖所示，我們可以直觀地看出欠擬合和過擬合的區別： 模型欠擬合：在訓練集以及測試集上同時具有較高的誤差，此時模型的偏差較大。 模型過擬合：在訓練集上具有較低的誤差，在測試集上具有較高的誤差，此時模型的方差較大。 模型正常：在訓練集以及測試集上，同時具有相對較低的偏差以及方差。 上圖橫軸爲模型複雜度，縱軸爲誤差。 紅線爲測試集上的Error，藍線爲訓練集上的Error。 模型欠擬合

>>阅读原文<<