学习笔记(02):第二章：线性回归-过拟合

立即学习:https://edu.csdn.net/course/play/10178/216914?utm_source=blogtoedu

欠拟合（underfitting)：过于简单的模型与训练数据拟合的欠佳（和测试数据自然也拟合的不好）

过拟合（overfitting)：过于复杂的模型与训练数据拟合得太好，但和测试数据拟合得不好。

减弱模型过拟合的方法：

1.增加数据量，改变（均值N，方差）；（根据经验，如果是线性模型，数据量是参数的5-10倍时，可以取得很好效果）

2.样本数量一定时，可以增加正则项减弱过拟合（如：目标函数中增加L2正则项，得到岭回归(Ridge Regression) ）

3.减少数据的噪声（改变方差）