2018年6月26日

ML(附录3)——过拟合与欠拟合

摘要: 我们希望机器学习得到好的模型,该模型能够从训练样本中找到一个能够适应潜在样本的普遍规律。然而,如果机器学习学的“太好”了,以至把样本的自身特点当作潜在样本的一般特性,这就使得模型的泛化能力(潜在样本的预测能力)下降,从而导致过拟合。反之,欠拟合就是学习的“太差”,连训练样本都没有学好。 阅读全文

posted @ 2018-06-26 15:45 我是8位的 阅读(980) 评论(0) 推荐(0) 编辑

导航