机器学习第七章

7.1过拟合问题 泛化能力：机器学习算法（模型）对新样本（没出现在训练集的数据）的适应能力。训练好的模型对新样本可以做出适当的预测的能力。 过拟合： 机器学习模型在训练样本中表现得过于优越，导致在验证数据集以及测试数据集中表现不佳。泛化能力弱。 欠拟合： 首先欠拟合就是模型没有很好地捕捉到数据特征，不能够很好地拟合数据。   解决过拟合的办法： 减少特征变量的数量 人工挑选 模型选择算法（Mode

>>阅读原文<<