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。
想用python的mark功能更改字号大小,但是输入###以后并没有变成标题大字,而是前面多了###,直接显示出来了,如图想问怎么才能在python里面使用MARK功能的时候更改字体大小