一、泛化
机器学习的主要挑战在于未见过的数据输入上表现良好,这个能力称为泛化能力。我们量化一下模型在训练集和测试机上的表现,将其分分别称为训练误差和测试误差。后者常称为泛化误差。可以这样说:理想的模型就是在最小化训练误差的同事,最小化泛化误差。
决定机器学习算法是否好的因素就是:
1)降低训练误差
2)缩小训练误差和测试误差的差距
这两大因素,分别对应了机器学习的两大挑战:过拟合和欠拟合
二、过拟合和欠拟合
机器学习中我们评价Model好坏一个重要指标就是泛化能力。如果模型在训练集合中表现很差,在测试集合中表现很差,我们就称之为欠拟合(Underfitting)模型在数据的训练集合中表现良好,在测试数据中也表现的良好。如果只是在训练数集中表现好,但在测试中表现不好,我们就称为过拟合(Overfitting)
比如我们通过学习身高和体重的数据建立一个模型,你给我一个体重模型预测出一个人的身高。