如何解决过拟合/欠拟合

文章目录 前言 过拟合 过拟合出现原因 解决方法 1. 正则化方法 2. 交叉验证 3. Early stopping 4. 数据集扩充 5. Dropout 欠拟合 欠拟合出现原因 常见解决方法 参考文章 前言 机器学习的基本问题是利用模型对数据进行拟合，学习的目的并非是对有限训练集进行正确预测，而是对未曾在训练集合出现的样本能够正确预测。 模型对训练集数据的误差称为经验误差，对测试集数据的误差

>>阅读原文<<