机器学习——正则化

问题：过拟合 算法训练结束后可能会产生两种让人不想面对的结果，一种是欠拟合，一种是过拟合。需要注意二者针对的对象都是训练数据，再结合名字就非常容易理解这两个名字的意思了。 欠拟合：即使是在训练数据上都存在较大的误差。 过拟合：在训练数据上误差非常小甚至没有误差，过度的拟合了训练数据以至于失去了数据整体上的趋势不能很好的用在真实数据上。 过拟合产生的原因主要有两个，过多的特征参数，过少的训练数据。

>>阅读原文<<