如何降低xgboost和随机森岭的过拟合和欠拟合

数据角度：

增加数据有利于降低过拟合和欠拟合。

模型角度：

让模型复杂度降低有利于降低过拟合，增加模型复杂度有利于降低欠拟合。

对应xgboost模型复杂度降低就是让每棵树小点，树的数量少点，增大惩罚系数，early stopping。复杂度提高相反。

对应随机森岭模型复杂度降低就是让每棵树小点，树的数量少点。复杂度提高相反。

抽样角度。目标也是让数据更多：

让每棵树的抽样样本增加，有利于减少欠拟合。

让每棵树的抽样特征减少，有利于减少过拟合。