过拟合和欠拟合

过拟合和欠拟合

用机器学习模型对训练集进行训练，最终可能得到以下三种情况：欠拟合、正常、过拟合。

（图片拷贝自《白面机器学习算法带你去面试》）
欠拟合：是指在训练集上和测试集上表现得都不好的情况
过拟合：是指模型对于训练数据拟合呈过当的情况，而对于测试数据效果不好。

解决过拟合的方法：
1、从数据入手，增加更多的训练集数据。
2、降低模型复杂度，适当降低模型复杂度，结果过拟合。
3、加入正则化项。
4、加Dropout。
5、集成学习方法。
6、减少训练轮数。

解决欠拟合
1、添加特征
2、增加模型复杂程度
3、减少正则化系数