过拟合、正则化和损失函数

一、过拟合： 过度的拟合了训练数据， 而没有考虑到泛化能力。 模型在训练集上表现很好，但是在交叉验证集上表现先好后差。 这也正是过拟合的特征！ 发生过拟合的主要原因可以有以下三点： （1） 数据有噪声 （2） 训练数据不足， 有限的训练数据 （3） 训练模型过度导致模型非常复杂 防止过拟合： 1、减少特征属性 防止过度训练，使训练集对真实数据有更多的容忍度 2、增大样本数量 增加更多的样本数据，使

>>阅读原文<<