GDST_的博客

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