过拟合指的是模型在训练集上表现很好测试集表现差，模型方差大；
欠拟合指的是模型在训练集和测试集表现都不佳，模型偏差大；
过拟合措施：
增大样本数，数据增强等；减少特征数；添加正则项；使用droupout层随机神经元失活；使用Bagging随机思想；简化模型；模型剪枝等；
欠拟合措施：
增加特征数；增加多项式特征；增加模型复杂度；去除正则化参数；使用boosting集成学习
本文介绍了机器学习中的两种常见问题：过拟合和欠拟合。过拟合表现为模型在训练集上表现优秀但测试集上效果较差，可以通过增加样本数、数据增强、正则化等方式缓解。欠拟合则表现为训练集和测试集上的表现都不理想，可能需要增加特征数、提升模型复杂度或使用boosting集成学习来改善。
2833
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
