20191009——欠拟合与过拟合

训练集表现的好，测试集不好，过拟合 欠拟合了 过拟合 欠拟合：解决方案 增加数据 增加特征 过拟合： 减少高次项特征的影响 L1正则化 L2正则化 更常用 损失函数+ 惩罚系数 * 惩罚项 L1的也是损失函数+惩罚项 但是L1的惩罚项是w的绝对值 LASSO RIDGE 岭回归

>>阅读原文<<