CV基础系列：过拟合和欠拟合（Overfitting & Underfitting）

最新推荐文章于 2024-01-21 18:00:00 发布

CV小白升级中

最新推荐文章于 2024-01-21 18:00:00 发布

阅读量571

点赞数

分类专栏： CV基础文章标签：计算机视觉深度学习过拟合

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。

本文链接：https://blog.csdn.net/weixin_34992700/article/details/117981757

版权

1. 什么是过拟合和欠拟合

1.1 过拟合

训练误差很小，但测试误差很大，即模型泛化性能差。

1.2 欠拟合

训练误差很大，模型未能拟合好数据。

2. 产生过拟合和欠拟合的原因

从方差-偏差trade-off角度分析，把泛化误差分解为偏差和方差，即模型的期望预测与真实结果的偏离程度（模型本身的精准度）和训练集的变动所导致的学习性能的变化（模型的稳定性）。从泛化误差Eout (MSE error)出发：

$E_{out} (g^{(D)})= E_x ((g^{(D)} (x) - f(x))^2)$

令

最低0.47元/天解锁文章

CV小白升级中

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
CV基础系列：过拟合和欠拟合（Overfitting & Underfitting）

1. 什么是过拟合和欠拟合
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。