欠拟合and过拟合

欠拟合：模型没有充分学习到数据集特征，不具有泛化能力。

过拟合：模型过分理解数据集特征，学习到训练上局部特征或噪声特征，以至于在测试集上表现不佳。

 

 

欠拟合原因：模型不够复杂，拟合函数的能力不足。 

解决欠拟合：1. 添加特征，从数据中挖掘出更多的特征，有时候还需要对特征进行变换，使用组合特征和高次特征。 2. 采用更加复杂拟合能力更好的模型，比如：SVM，神经网络。 

 

过拟合原因：1. 给定的数据集相对过于简单，使得模型在拟合函数时过分地考虑了噪声等不必要的数据间的关联。2. 相对于给定数据集，模型过于复杂、拟合能力过强。

解决过拟合：1. 数据扩增。2. 降低模型复杂度。3. 为损失函数添加正则化项。

 

参考

https://blog.csdn.net/dyx810601/article/details/82141789 

https://blog.csdn.net/xuaho0907/article/details/88649141