改善过拟合的几种方法

写在前面

本博客没有任何的数学公式的推导，只是记录一下自己理解过拟合的心路历程

什么是过拟合?

过拟合是机器学习中很重要的概念，目标函数Z中高次项越多，模型的非线性拟合能力会越强，拟合数据的时候会有更少的限制，从何实现“放飞自我”。简单的理解就是模型“过度”学习了，如下图的训练阶段模型拟合数据的情况来看，蓝线的误差要比红线大，但是只要测试的时候数据一多，就会出现训练的时候效果很好，但是测试的时候效果很差的情况。蓝线能使模型具备更强的泛化能力。