模型的过拟合
模型在训练数据集上效果不错,但是在测试数据集上效果很差。
过拟合产生的原因:
1、数据有噪声(即不相关的干扰因素)
2、训练数据不足
3、训练模型过度导致模型非常复杂
解决方法:1、通过限制模型的学习能力,比如加入正则化(L1(通过加入惩罚项,是惩罚项参数减小)、L2);2、使用集成学习Bagging的思想进行模型的融合;3、增加数据集样本的数目,做一些数据增强的操作;4、在深度学习中,限制模型的学习能力,L1、L2正则化、dropout ;5、深度中,BN:批归一化操作
模型的欠拟合
模型在训练数据集上和测试数据集上的效果都很差
欠拟合产生的原因:数据特征太少,无法拟合所有的训练数据,2、训练模型太过简单
解决方法:1、换一个学习能力强的算法模型,比如:线性回归换成svm;2、多项式拓展之后在做具体的算法模型,比如:多项式线性回归;3、在深度学习中,加深网络,加宽网络(神经元增多,网络分支结构的增多)