liting李

2021-04-20   阅读量: 865

Python Scikit-learn

欠拟合如何解决?

扫码加入数据分析学习群

欠拟合的情况比较容易克服, 常见解决方法有:

增加新特征,可以考虑加入进特征组合、高次特征,来增大假设空间;

添加多项式特征,这个在机器学习算法里面用的很普遍,例如将线性模型通过添加二次项或者三次项使模型泛化能力更强;

减少正则化参数,正则化的目的是用来防止过拟合的,但是模型出现了欠拟合,则需要减少正则化参数;

使用非线性模型,比如核SVM 、决策树、深度学习等模型;

调整模型的容量(capacity),通俗地,模型的容量是指其拟合各种函数的能力;

容量低的模型可能很难拟合训练集;使用集成学习方法,如Bagging ,将多个弱学习器Bagging。


200.0000 1 0 关注作者 收藏

评论(0)


暂无数据

推荐课程

推荐帖子