超级会员免费看
- Training error: model error on the training data
- Generalization error: model error on new data
| training | error | ||
|---|---|---|---|
| Low | High | ||
| generalization | Low | Good | Bug? |
| error | High | Overfitting | Underfitting |
| data | complexity | ||
|---|---|---|---|
| Low | High | ||
| model | Low |
机器学习：4.2 欠拟合和过拟合 Underfitting & Overfitting
于 2022-04-09 19:48:27 首次发布
本文探讨了机器学习中的欠拟合和过拟合问题。模型复杂性涉及可学习参数的数量和范围，例如决策树与神经网络之间的比较。数据复杂性受样本数量、特征数量和类别可分离性影响。泛化误差是衡量模型在新数据上的表现，可以通过VC维度和Kolmogorov复杂性更精确地评估。模型选择的关键在于找到适合数据复杂性的模型，通过正则化避免过拟合，并考虑业务指标来优化超参数，如决策树的最大深度和神经网络的架构。
订阅专栏 解锁全文
扫一扫
818
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
