过拟合、欠拟合、泛化误差、训练误差

原创 于 2023-09-13 22:06:57 发布 · 427 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习

本文探讨了当模型容量超过最优点时，泛化误差会增加的现象，原因是模型过度关注细节并记忆噪声，导致对真实数据预测时易受无关细节影响。

  1. 模型容量的影响：
    在这里插入图片描述
    泛化误差：
    当训练的模型的容量过了最优点时，泛化误差反而升高，这是由于模型过于关注细节导致，模型也同时记住噪声；当拿来一个真的数据时，模型会被一些无关紧要的细节所干扰。

  2. 希望
    在这里插入图片描述

aglo
关注
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值