心得分享：
1、如果连训练集都不能很好拟合，就是欠拟合(Underfitting)，bias大。如果训练集可以拟合好，但测试集拟合不好，就是过拟合(Overfitting)，variance大。如果variance太大，可以通过扩大数据或者正则化(Regularization)；
2、Loss的等高线的法线方向(Gradient)；
本文探讨了机器学习中常见的两种问题：欠拟合和过拟合。欠拟合表示模型在训练集上表现不佳，可能由于模型复杂度过低或偏差过大。过拟合则是模型在训练集上表现良好，但对测试集预测效果差，表明模型过度学习了训练数据，具有高方差。为缓解过拟合，可以采用扩大数据集或应用正则化技术来降低模型复杂度。
26万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
