动手学深度学习_模型选择、欠拟合和过拟合——2020.2.26

一、训练误差和泛化误差       对于一个模型，并不是在本训练集下的准确率越高越好，很可能会因为过拟合，导致在本模型的训练集测试效果好，但在其他数据集的效果差。由此，有两个误差概念： 训练误差：      指该模型在训练数据集上表现的误差。 泛化误差：      指该模型放到任一个数据集下表现的误差，取近似误差。泛化误差更具参考性。 二、模型选择      为了得到有效的模型，我们通常在选择隐藏

>>阅读原文<<