深度學習——模型選擇、⽋擬合和過擬合

問題引入： 當我們在改變超參數的時候訓練數據集上的準確度提升了但是測試數據集上的準確率卻下降了這是爲什麼呢？ 訓練誤差： 模型在訓練數據集上表現出的誤差 泛化誤差： 模型在測試數據集上表現出的誤差（其實是單個測試數據誤差的期望，我們有總體來近似，可以考慮除以n） 在數據集同分布的情況下： 訓練誤差期望=泛化誤差 折K交叉驗證法 把原始訓練數據集分割成K個不重合的⼦數據集 然後我們做K次模型訓練和驗

>>阅读原文<<