- 博客(1)
- 收藏
- 关注
原创 样本噪声与过拟合 (西瓜书1-2章)
一、样本噪声与训练集差异较大的样本。训练集中包含噪声,会使训练集拟合复杂程度增强,使模型过于复杂,可能出现过拟合情况。数据集中若包含噪声,意味着该数据无法在训练样本中找到一致的样本,会导致无法判断,无法分类,此时给定归纳偏好,以确定数据分类。一般噪声样本loss值较大(深度学习)。二、过拟合和欠拟合过拟合:当使用过拟合进行分类时,会排除一些在假设空间以内的数据,如核酸检测中的 false-negative[假设拟合的是核酸检测结果为阳性]。欠拟合:当使用欠拟合进行分类时,会将一些不在假设空间内
2021-10-11 22:17:18
1071
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人