ML中的数据集处理方法

两个常见概念： 过拟合：是指为了得到一致假设而使假设变得过度严格。当机器学习把训练样本学习得“太好”，可能把训练样本自身的一些特点当成了所有潜在样本都具有的一本性质，这样旧会导致泛化性能下降，这种现象在机器学习中成为过拟合overfitting. 欠拟合：是指模型拟合程度不高，即模型没有很好地捕捉到数据特征，不能够很好地拟合数据。通常是由于学习能力低下而造成的。 一个直观化的类比，如下图所示：  

>>阅读原文<<