1、过拟合问题
还是以预测房价作为例子:
第一个模型是一个线性模型,不能很好的适应训练集,称之为低度拟合(underfit),第三个图用了四次方模型,虽然能很好的适应训练集但是在对新输入变量进行预测时可能会效果不好,称之为过拟合(overfit),所以相对而言第二个模型更合适。
分类问题中也存在这样的问题:
如何处理过拟合问题?
1、减少特征
1、过拟合问题
还是以预测房价作为例子:
第一个模型是一个线性模型,不能很好的适应训练集,称之为低度拟合(underfit),第三个图用了四次方模型,虽然能很好的适应训练集但是在对新输入变量进行预测时可能会效果不好,称之为过拟合(overfit),所以相对而言第二个模型更合适。
分类问题中也存在这样的问题:
如何处理过拟合问题?
1、减少特征