过拟合、欠拟合

一、过拟合、欠拟合

1、过拟合和欠拟合是什么

• （1）当我们训练模型时，发现模型在训练集效果很好，但是在测试集效果不好的时候，模型便可能发生过拟合现象。

• （2）而训练集和测试集效果均不好的情况则可能发生欠拟合。

2、如何解决过拟合

• （1）首先从数据本身角度去考虑，可以考虑增加训练集样本数量等方式，或者使用GAN等方法来生成新样本数据。
• （2）再从模型本身考虑，降低模型的复杂度，或者在模型中加入正则化等等方法。
• （3）集成学习也是有效的，减少单个模型过拟合的风险。

2.1、什么原因会导致过拟合

• （1）没有加入一些缓解过拟合的措施，比如正则化，BN、LN等手段
• （2）数据量过少
• （3）训练时间过长也会导致过拟合（这个很重要，美团考过）

3、如何解决欠拟合

• 因为平常现在大多数方法都是用深度学习，那么对深度学习来说，解决欠拟合，就是提高模型的复杂度，提高模型的学习能力；而且使用深度学习本身也能在一定程度上解决欠拟合的问题，毕竟很多特征不需要自己去找，本身就能学习到很多特征。
• 正则化系数设置不当，比如设太高，也可能会造成欠拟合。