task 过拟合欠拟合

时间 2021-01-12

原文原文链接

训练误差和泛化误差在解释上述现象之前，我们需要区分训练误差（training error）和泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。计算训练误差和泛化误差可以使用之前介绍过的损失函数，例如线性回归用到的平方损失函数和softmax回归用到的交叉熵

>>阅读原文<<

1. 过拟合与欠拟合
2. 过拟合、欠拟合
3. 过拟合和欠拟合
4. 欠拟合和过拟合
5. 拟合、欠拟合与过拟合
6. 欠拟合、过拟合与正则化
7. [Machine Learning] 欠拟合&过拟合（Underfitting & Overfitting）
8. 初始PyTorch（五）：过拟合&欠拟合
9. 偏差、方差、欠拟合、过拟合
10. 过拟合、欠拟合、正则化
更多相关文章...
• Scala Set(集合) - Scala教程
• C# 集合（Collection） - C#教程
• Flink 数据传输及反压详解
• Docker容器实战(六) - 容器的隔离与限制