过拟合与数据不平衡

过拟合与数据不平衡 什么是过拟合？ 过拟合就是学习器对训练样本数据的学习的过于彻底，将一些训练样本的噪声或者不属于全体样本的一般特征也学习了，造成在训练样本上效果表现很好而在测试样本上表现效果非常差的一种现象。 为什么会过拟合？ 对于数据样本，可能存在隐单元的表示不唯一，即产生分类的决策面不唯一，随着学习的进行，BP算法使权值可能收敛过于复杂的决策面。 权值学习迭代次数足够多，拟合了训练数据中的噪

>>阅读原文<<