在模型评估过程中,过拟合和欠拟合具体指什么现象?
过拟合是指模型在训练数据拟合呈过当的情况,反应到评估指标上,就是模型在训练集上的表现很好,但在测试集和新数据上的表现很差。欠拟合指的是模型在训练和预测时都不好的情况。
能否说出几种降低过拟合和欠拟合风险的方法?
降低过拟合风险的方法:
1.从数据入手,获得更多的训练数据。使用更多的训练数据是解决过拟合问题最有效的手段,因为更多的样本能够让模型学习到更多更有效的特征,减少噪声的影响。当然,直接增加实验数据一般是很困难的,但是可以通过一定的规则来扩充训练数据。比如在图像分类问题上,可以通过图像的平移,旋转,缩放等方式扩充数据,更进一步地,可以使用生成式对抗网络来合成大量新训练数据。
2.降低模型的复杂度,在数据较少时,模型过于复杂是产生过拟合的主要因素,适当降低模型复杂化度可以避免模型拟合过多的采样噪声。例如在神经网络模型中减少网络层数,神经元个数等,在决策树模型中降低树的深度,进行剪枝。
3,正则化方法。给模型参数加上一定正则约束,比如将权值大小加入到损失函数总。
4.集成学习方法。集成学习是吧多个模型集成在一起,来降低单一模型过拟合风险,如Bagging方法。
降低 欠拟合风险的方法:
1.添加新特性。当特征不足或者现有特征与样本标签的相关性不强时,模型容易出现欠拟合。通过挖掘上下文特征 ID类特征 组合特征 等新的特征,往往能够取得很好的效果。在深度学习的潮流中,有很多模型可以帮助完成特征工程,如因子分解机,梯度提升决策树,Depp-corssing等都成为丰富特征的方法。
2.增加模型复杂度,简单模型的学习能力较差,通过增加模型的复杂度可以使模型拥有更强的拟合能力。例如在线性模型中增加高次项,在神经网络模型中增加网络层数和神经元个数。
3.减小正则化系数。正则化是用来防止过拟合的,但当模型出现欠拟合现象时,则需要有针对性的减小正则化系数。