过拟合问题的一些探讨

1、什么是过拟合？ 过拟合（overfitting）是指学习时选择的模型所包含的参数过多（即模型容量很大），以至于出现这一模型对已知数据预测得很好，但对未知数据预测得很差的现象。 下图中反映了在线性模型中欠拟合、适当拟合和过拟合的图像。（图片来自于吴恩达机器学习课程） 下图中反映了在逻辑回归模型中欠拟合、适当拟合和过拟合的图像。（图片来自于吴恩达机器学习课程） 2、产生过拟合的原因 产生过拟合的主

>>阅读原文<<