过拟合的形象描述(转自知乎)

 

作者：sheenapunk
链接：https://www.zhihu.com/question/32246256/answer/55467528
来源：知乎

一个overfitted模型记住太多training data的细节从而降低了generalization的能力。

举个栗子，给机器一堆人类的照片，告诉它性别，让它学习看照片区分男女。哇，机器好棒哦，一下子就能正确区分80％的照片的性别了！可是你觉得不够，怎么能容忍20％的错误率呢，啪啪啪键盘敲下去，让机器给我接着学。
机器不怎么聪明，可是记忆力和观察力是很强的！所以你一直push它的话，它会把每张照片每个像素的数值都记住的，这对每张照片都是独一无二的，再记住它的性别，就能100％区分出你给他的所有照片里人的性别了。

可是我们的目的不是让它成功区分这一堆照片里人的性别，而是让它看见新的不知道性别的人的照片时，可以成功预测性别。记住每个点的像素有个毛用？你会发现这个机器判断新的照片时表现很差。

这就是为什么要把training data切一小份（比如说10％）出来做validation，用剩下90％的data去train，然后用这10％检查一下train好的model，看看表现怎么样，防止over training。Cross validation也是这个意思，把data切10份，每次用一份做validation，做10次，能用到所有的training data。