
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
若不方便扫码,搜微信号:CDAshujufenxi
剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为银行精准 ...
2025-07-02探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26