在机器学习中,相对于欠拟合,过拟合出现的频次更高。这是因为,假设某一数据集其对应的模型为‘真’模型,我们通常是采用提高模型的复杂度的方法,来避免欠拟合现象的产生,但与此同时,我们又很难把网络设计成和‘真’模型一样,所以最终网络模型会因为复杂度太高而产生过拟合。今天小编就给大家整理了过拟合产生的原因及一些相应的解决方法,希望对大家机器学习中解决过拟合问题有所帮助。
一、什么是过拟合
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。
过拟合(overfiting / high variance)表现为:模型在训练集上表现很好,但是在测试集上表现较差。也就是说模型的泛化能力弱。
简单理解过拟合,就是模型对训练数据的信息提取过多,不仅学习到了数据背后的规律,连数据噪声都当做规律学习了。
对比欠拟合理解起来会更容易:
二、过拟合产生原因
三、过拟合处理办法
1、重新清洗数据,过拟合出现也有可能是数据不纯,这种情况下我们需要重新清洗数据。
2、数据增强,也就是获取和使用更多的数据集。给与模型足够多的数据集,让它在尽可能多的数据上进行“观察”和拟合,从而进行不断修正。但是需要注意的是,我们是不可能收集无限多的数据集的,所以通常的方法,就是对已有的数据进行,添加大量的“噪音”,或者对图像进行锐化、对旋转、明暗度进行调整等。
3、采用正则化方法。加入正则化项就是在原来目标函数的基础上加入了约束。常用的正则化项有L1.L2.当目标函数的等高线和L1.L2正则化损失函数第一次相交时,得到最优解。
L1正则化项约束后的解空间为多边形,这些多边形的角和目标函数的接触机会远大于其他部分。就会造成最优值出现在坐标轴上,因此就会导致某一维的权重为0 ,产生稀疏权重矩阵,进而防止过拟合。
L2正则化项约束后的解空间为圆形,图像上的棱角圆滑了很多。一般最优值不会在坐标轴上出现。在最小化正则项时,参数不断趋向于0.最后得到的就是很小的参数。
4、采用dropout方法。
运用了dropout方法,就相当于训练了非常多的,仅仅只有部分隐层单元的神经网络,每一个这种半数网络,都能够给出一个分类结果,这些结果中,有正确的,也有错误的。随着训练的进行,大多数半数网络都能给出正确的分类结果。这样一来,那些少数的错误分类结果对于最终结果就不会哦造成大的影响。而且dropout通过减少神经元之间复杂的共适应关系,从而也提高了模型的泛化能力。
5、提前结束训练
也就是early stopping,在模型迭代训练时,对训练精度(损失)和验证精度(损失)进行记录,如果模型训练的效果不能够再提高,例如训练误差一直降低,但是验证误差却不再降低甚至上升的情况,我们可以采用结束模型训练的方法。
6、集成学习
集成学习算法也可以有效的减轻过拟合。Bagging通过平均多个模型的结果,来降低模型的方差。Boosting不仅能够减小偏差,还能减小方差。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14