欠拟合与过拟合

欠拟合与过拟合

什么是欠拟合？

模型学习能力不足，无法学习到数据集中的“一般规律”，导致泛化能力弱。

欠拟合解决办法：

1）添加其他特征项，有时候我们模型出现欠拟合的时候是因为特征项不够导致的，可以添加其他特征项来很好地解决。例如，“组合”、“泛化”、“相关性”三类特征是特征添加的重要手段，无论在什么场景，都可以照葫芦画瓢，总会得到意想不到的效果。除上面的特征之外，“上下文特征”、“平台特征”等等，都可以作为特征添加的首选项。

2）添加多项式特征，这个在机器学习算法里面用的很普遍，例如将线性模型通过添加二次项或者三次项使模型泛化能力更强。例如上面的图片的例子。

3）减少正则化参数，正则化的目的是用来防止过拟合的，但是现在模型出现了欠拟合，则需要减少正则化参数。

4）增加模型复杂度。如果模型太简单，不能够应对复杂的任务。可以使用更复杂的模型，减小正则化系数。具体来说可以使用核函数，集成学习方法，深度学习等。集成学习方法boosting（如GBDT,xgboost，adaboost）能有效解决high bias

什么是过拟合？

学习器学习能力过强，捕捉到单个样本的特征并当成了“一般规律”，这种情况同样导致模型泛化能力弱。

过拟合解决办法：

解决方法：

1. 合适的模型(simpler model structure)

2. 正则化(regularization) L2正则化

3. 数据增强(data augmention)

4. 随机失活(Dropout) 或者weight decy

5. 批规范化(batch normalization)

6. Bagging和其他集成模型 例如： 随机森林模型可以

7）重新清洗数据，导致过拟合的一个原因也有可能是数据不纯导致的，如果出现了过拟合就需要我们重新清洗数据。

一个原因也有可能是数据不纯导致的，如果出现了过拟合就需要我们重新清洗数据。

8）增大数据的训练量，还有一个原因就是我们用于训练的数据量太小导致的，训练数据占总数据的比例过小