过拟合与欠拟合

过拟合与欠拟合

train	7%	15%	20%	1%
test	15%	10%	30%	2%
	high variance	high bias	high variance bias	low variance bias

欠拟合:high bias 训练不好

    欠拟合就是模型没有很好地捕捉到数据特征，不能够很好地拟合数据

解决办法

1. 添加其他特征
2. 减少正则化参数

过拟合 :high variance 测试不好

      模型把数据学习的太彻底，以至于把噪声数据的特征也学习到了，这样就会导致在后期测试的时候不能够很好地识别数据，即不能正确的分类，模型泛化能力太差。

解决办法

1. dropout
2. 正则化
3. batch normalization
4. 增加数据训练量
5. 数据清洗