机器学习笔记6：过拟合的常见原因，数学解释以及解决方法

概念 为了得到一致假设而使假设变得过度严格称为过拟合。 定义 给定一个假设空间H，一个假设h属于H，如果存在其他的假设h’属于H,使得在训练样例上h的错误率比h’小，但在整个实例分布上h’比h的错误率小，那么就说假设h过度拟合训练数据。 [1]  判断方法 一个假设在训练数据上能够获得比其他假设更好的拟合， 但是在训练数据外的数据集上却不能很好地拟合数据，此时认为这个假设出现了过拟合的现象。出现这

>>阅读原文<<