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);
深度学习(李宏毅)p5-p8笔记,Datawhale组队学习Task03
最新推荐文章于 2024-09-03 20:38:02 发布
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。
摘要由CSDN通过智能技术生成