过拟合以及如何防止过拟合

什么是过拟合 过拟合即模型在训练过程中对模型参数进行拟合的过程中，由于训练数据集存在抽样误差（噪声），复杂的模型在训练的过程中会将抽样误差也一同进行拟合。这就导致训练好的模型在训练集上的表现很好，在测试集上的表现很差的原因。 导致过拟合的主要原因有两个：数据量太少和模型过于复杂 因为机器学习算法在拟合出正确的规则后，具有进一步拟合噪声的能力，因此，模型在训练的过程中极有可能会发生过拟合。过拟合会大

>>阅读原文<<