【机器学习】过拟合与欠拟合

我们在训练机器学习模型或者深度学习神经网络中经常会遇到过拟合与欠拟合的问题，接下来就对这两个问题进行简单介绍，并举出几种相应的解决办法。 1、过拟合与欠拟合 过拟合是指训练数据上能够获得比其他假设更好的拟合， 但是在训练数据外的数据集上却不能很好地拟合数据，此时认为这个假设出现了过拟合的现象。出现这种现象的主要原因是训练数据中存在噪音或者训练数据太少。 欠拟合就是指我们训练的模型要求过于宽泛无法达

>>阅读原文<<