机器学习基础--过拟合和欠拟合

过拟合和欠拟合   1）欠拟合：机器学习模型无法得到较低训练误差。   2）过拟合：机器学习模型的训练误差远小于其在测试数据集上的误差。   我们要尽可能同时避免欠拟合和过拟合的出现。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型的选择和训练数据集的大小。 1）模型选择   拿多项式函数举例，一般来说，高阶多项式函数（拟合能力较强）比低阶多项式函数（拟合能力较弱）更容易在相

>>阅读原文<<