上一篇博客链接： 机器学习与建模中 - 判断数据模型拟合效果的三种方法
在上一篇博客中，我们谈到了使用损失函数来判断模型的拟合效果。但是拟合效果比较好的模型不一定是最好的模型，建模的最终目的是为了预测，因此预测最精准的模型才是最好的模型。
提到预测，我们引入一个新的概念，叫作“泛化能力”（泛化能力是指机器学习算法对新鲜样本的适应能力。学习的目的是学到隐含在数据对背后的规律，对具有同一规律的学习集以外的数据，经过训练的网络也能给出合适的输出。）
比如在多项式回归的例子上（下图），对于同样的训练数据，8阶多项式的损失比1阶多项式小很多，但是对于未来的预测，8阶多项式显得非常糟糕（下右图）。由于8阶多项式的模型过于关注训练数据（过拟合），因此不能很好的泛化新数据。
为了克服过拟合，能够更好的泛化，我们一般采取以下四种方法：
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
