机器学习--scikit-learn（4）---过拟合与模型保存

此文章要讲的是如何判断模型是否过拟合，如何修正它，以及修正好的模型，如何保存，以便留到下次使用。

首先要先搞清楚一个概念，什么是过拟合？

1，过拟合，欠拟合概念

过拟合，按照我自己的理解就是，学习得太猛了，太细枝末节了，导致自己不会举一反三，平时做题做的都是一类，练习的时候都是满分，等到考试的时候题目条件稍微一变化，就不会做了。

欠拟合，就是学的太水了，平时练习题都没最好，考试当然死得惨。

所以可以把过拟合当成书呆子学书，欠拟合就是学渣学书，都考不好。

如何解决模型的这个问题呢？那就要先看看下面一节中的例子。

 

2，如何判断模型拟合情况

首先我们先看一个例子。这个例子是引用自带的数字数据计算出，利用SVC来对数据进行拟合，画出测试集与训练集的mse（最小均方误差）曲线，拟合程度就是要看随着datasizes的加大，训练集和测试集的mse应该要趋于一致，并且都比较小。否则就是欠拟合或者过拟合。过拟合时训练集的mse效果非常好，测试集的就不行了。

 

import numpy as np
from sklearn import datasets
from sklearn.model_selection import learning_curve
from sklearn.svm