1 什么是过拟合:
是指在模型参数拟合过程中的问题,由于训练数据包含抽样误差,训练时,复杂的模型将抽样误差也考虑在内,将抽样误差也进⾏了很好的拟合。过拟合是指模型在训练数据上表现得很好,但在未见过的测试数据上表现不佳的现象。什么是⽋拟合:训练的模型在训练集上⾯的表现很差,在验证集上⾯的表现也很差 原因:训练的模型太简单,最通⽤的特征模型都没有学习到
2 过拟合的原因:
- 训练数据太少(比如只有几百组)
- 模型的复杂度太高。
3 解决方法:
- 数据扩充、数据增强、更换小网络、正则化、dr
是指在模型参数拟合过程中的问题,由于训练数据包含抽样误差,训练时,复杂的模型将抽样误差也考虑在内,将抽样误差也进⾏了很好的拟合。过拟合是指模型在训练数据上表现得很好,但在未见过的测试数据上表现不佳的现象。什么是⽋拟合:训练的模型在训练集上⾯的表现很差,在验证集上⾯的表现也很差 原因:训练的模型太简单,最通⽤的特征模型都没有学习到