过拟合和欠拟合的解决方法学习

过拟合

过拟合指模型在训练集上表现好，但验证集和测试集表现差，即模型的泛化能力差。
解决过拟合（高方差）的方法：

1. 增加训练数据量
2. 使用正则化约束
3. 减少特征数量
4. 降低模型复杂度
5. 使用Dropout
6. 提前结束训练
7. 使用bagging策略
8. 交叉验证

---

欠拟合

欠拟合指模型在训练集、验证集和测试集上均表现不佳。
解决欠拟合（高偏差）的方法：

1. 增加模型的复杂度
2. 增加特征的数量，使输入数据具有更强的表达能力
3. 降低正则化约束