欠擬合和過擬合

過擬合和欠擬合到底會導致什麼樣的現象？ 過擬合： 在訓練數據的時候擬合是得當的，但在測試數據的時候結果較差。 欠擬合： 模型在訓練數據和測試數據的時候表現都不好。 ipad隨便畫一下，湊合看吧。。。。。。 過擬合擬合的模型太複雜了，欠擬合就太簡單了，數據有些特徵部分沒有擬合出來。 那麼問題來了，怎麼樣才能讓模型不產生或者更小几率產生過/欠擬合呢？ 過擬合應對策略： 增大數據量； 正則化； 降低模型

>>阅读原文<<