深度学习模型在训练集上很好而在测试集表现得不好而拟合次数并不多_吴恩达机器学习——当模型泛化能力不好，该如何改进...

当利用training data训练完模型以后，发现训练的模型的泛化能力不好，对新数据误差较大。该怎么办？该如何改进该算法？常用的有以下几种方法：

1.使用更多的训练样本

2.减小特征数量，防止出现过拟合现象

3.增特特征数

4.增加多项式，提高模型精度

5.增大/减小正则化的参数

以上几种方法，该如何选择？

一.如何评估机器学习算法的性能

如何评估

将数据集划分，一部分作为训练集，一部分作为测试集，划分比例一般为7:3。且划分最好是无序、随机的。

对于线性回归算法：首先利用training data训练集得到代价函数最小的参数，然后利用该参数计算测试集误差。

对于分类问题，即逻辑回归：步骤与线性回归相似。