机器学习中的过拟合与解决办法

什么是过拟合 对于机器学习项目而言，过拟合（overfitting）这个问题一般都会遇到。什么是过拟合呢？ 维基百科： 在统计学中，过拟合现象是指在拟合一个统计模型时，使用过多参数。对比于可获取的数据总量来说，一个荒谬的模型只要足够复杂，是可以完美地适应数据。过拟合一般可以视为违反奥卡姆剃刀原则。当可选择的参数的自由度超过数据所包含信息内容时，这会导致最后（拟合后）模型使用任意的参数，这会减少或破

>>阅读原文<<