2020-07-29
阅读量:
795
过拟合和欠拟合
过拟合：
模型对训练集中的数据模拟的太好了，原因一般在于训练数据量小，模型过于复杂，特征维度过多，参数过多，噪声过多，连训练集中的噪声都能完美预测，这样的模型放在测试集中表现就不好了，泛化能力差。
一般用正则化降低参数值，减少特征维度来解决过拟合的问题。
解决方法：
从数据源头获取更多的数据，数据增强
使用合适的模型，减少网络层数，神经元个数，限制网络的拟合能力
dropout
正则化，在训练师限制权值变大
数据清洗，纠正或删除错误数据
欠拟合：
模型在训练集中表现差，原因在于模型简单，特征维度过少，故放在测试集中效果一定也不好。
一般用增加模型的复杂度、增加数据量等手段来解决欠拟合的问题。
28.2525
2
2
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
LYY202012
2021-03-11
2条评论
liting李
2020-09-07
0条评论
wangxishi
2020-09-02
2条评论
