机器学习基础——过拟合，欠拟合

最左边属于欠拟合，最右边过拟合。 欠拟合是对数据拟合的不好，在训练集和测试集上的表现都很差。 过拟合在训练集上表现得很好，在测试集上表现得不好 欠拟合原因： 模型过于简单————使用更复杂的模型，集成 训练次数不够————增加训练次数 过拟合原因： 模型过于复杂 训练数据少 数据中噪声多 解决过拟合方法： 简化模型 减少模型参数：对于决策树可以剪枝 对于神经网络可以减少层数，每层的神经元数目；使用

>>阅读原文<<