模型调优

利用学习曲线判断是否过拟合和欠拟合

过拟合和欠拟合的处理:

其实不全啊,不想补了

过拟合原因:

1、数据N太小

2、噪声数据

3、模型过于复杂

过拟合:1)找更多的数据来学习,2)增大正则化系数 3)减少特征的个数(不太推荐)

欠拟合:1)找更多的特征 2)减少正则化系数

posted @   simple_wxl  阅读(191)  评论(0编辑  收藏  举报
编辑推荐:
· 智能桌面机器人:用.NET IoT库控制舵机并多方法播放表情
· Linux glibc自带哈希表的用例及性能测试
· 深入理解 Mybatis 分库分表执行原理
· 如何打造一个高并发系统?
· .NET Core GC压缩(compact_phase)底层原理浅谈
阅读排行:
· 手把手教你在本地部署DeepSeek R1,搭建web-ui ,建议收藏!
· 新年开篇:在本地部署DeepSeek大模型实现联网增强的AI应用
· 程序员常用高效实用工具推荐,办公效率提升利器!
· Janus Pro:DeepSeek 开源革新,多模态 AI 的未来
· 【译】WinForms:分析一下(我用 Visual Basic 写的)
点击右上角即可分享
微信分享提示