过拟合和欠拟合 过拟合欠拟合 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: 增加训练数据量使用正则化约束减少特征数量降低模型复杂度使用Dropout提前结束训练使用bagging策略交叉验证 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: 增加模型的复杂度增加特征的数量,使输入数据具有更强的表达能力降低正则化约束