机器学习_欠拟合和过拟合问题及解决方法

欠拟合和过拟合 如上图所示，我们可以直观地看出欠拟合和过拟合的区别： 模型欠拟合：在训练集以及测试集上同时具有较高的误差，此时模型的偏差较大。 模型过拟合：在训练集上具有较低的误差，在测试集上具有较高的误差，此时模型的方差较大。 模型正常：在训练集以及测试集上，同时具有相对较低的偏差以及方差。 上图横轴为模型复杂度，纵轴为误差。 红线为测试集上的Error，蓝线为训练集上的Error。 模型欠拟合

>>阅读原文<<