过拟合和欠拟合及其解决方法

过拟合是指学习时选择的模型所包含的参数过多，出现对已知数据预测很好，对未知数据预测很差的现象(过拟合表现为高方差)； 欠拟合是指学习时选择的模型所包含的参数过少，出现对已知数据预测很差，对未知数据预测也很差的现象(欠拟合表现为高偏差)。 参见我的博客：机器学习算法总结1:统计学习方法概论 如上图所示，图1即为欠拟合，图3即为过拟合。 1.过拟合解决方法： 一般地，过拟合有两种解决方案：一是拓展数据

>>阅读原文<<