20191204——机器学习复习 欠拟合与过拟合

问题提出 我们有时候在训练集训练的很好，可是在测试集上结果就不是很理想 出现了过拟合 欠拟合 —— 学习到的特征太少了 过拟合—— 学习到的特征太多了 定义：欠拟合：一个假设在训练数据上不能获得更好的拟合，并且在测试数据上也不能很好地拟合数据 过拟合：在训练数据上比其他假设更好的拟合数据 解决方案 正则化 L2正则化(更常用)： 尽量减少高次项特征的影响，可以使得其中一些W都很小，接近为0，削弱某

>>阅读原文<<