过拟合:当在训练集上的损失函数很小,而在测试集上的损失函数很大时,两则相差很大
欠拟合:在训练集上的损失函数与测试集上的相差不大,且损失值很大
过拟合的解决方法:
调整损失函数:岭回归<L2正则化>、Lasso回归<L1正则化>或弹性回归 | |
减少epoch数 | |
欠拟合的解决方法:
增加batch和epoch | |
优化模型算法 | |
数据样本噪声过大,清洗数据 |
过拟合:当在训练集上的损失函数很小,而在测试集上的损失函数很大时,两则相差很大
欠拟合:在训练集上的损失函数与测试集上的相差不大,且损失值很大
过拟合的解决方法:
调整损失函数:岭回归<L2正则化>、Lasso回归<L1正则化>或弹性回归 | |
减少epoch数 | |
欠拟合的解决方法:
增加batch和epoch | |
优化模型算法 | |
数据样本噪声过大,清洗数据 |