统计学习基础

过拟合和欠拟合 过拟合是指训练误差和测试误差之间的差距太大。就是模型复杂度高于实际问题，模型在训练集上表现很好，但在测试集上却表现很差。 措施： 1、增加数据集 2、加入正则化 3、进行特征选择 4、提前停止训练，深度学习中常用dropout策略。 欠拟合是指模型不能在训练集上获得足够低的误差。换句换说，就是模型复杂度低，模型在训练集上就表现很差，没法学习到数据背后的规律。 措施： 1、增加模型复

>>阅读原文<<