1.过拟合是模型在训练数据时，表现很好，但在测试样本外的数据时，表现效果不好
欠拟合是模型在训练数据时表现就不好
2.拟合曲线中拟合的样本点在98%以上的是过拟合，拟合曲线中拟合的样本点在80%以下的是欠拟合
本文探讨了机器学习中过拟合和欠拟合的概念，指出过拟合发生在模型在训练数据上表现优异但对新数据预测不佳，而欠拟合则是模型在训练数据上的表现差。关键判断依据是拟合曲线中样本点的比例：98%以上的过拟合，80%以下的欠拟合。
本文探讨了机器学习中过拟合和欠拟合的概念，指出过拟合发生在模型在训练数据上表现优异但对新数据预测不佳，而欠拟合则是模型在训练数据上的表现差。关键判断依据是拟合曲线中样本点的比例：98%以上的过拟合，80%以下的欠拟合。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
