欠拟合与过拟合的形成原因及解决方案

对于一个机器学习或者深度学习模型而言，我们不仅希望它能在训练数据中表现较好（训练误差），同时希望它在测试集中有较好的表现（泛化误差）。过拟合和欠拟合就是用来描述泛化误差的。 欠拟合可以理解为对训练数据的信息提取不充分，没有学习到数据背后的规律，导致模型应用在测试集上时，无法做出正确的判断。 过拟合可以理解为对训练数据的信息提取过多，模型不仅学习到了数据背后的规律，还把数据噪声当做规律学习到了。这就

>>阅读原文<<