食物声音识别之模型优化与改进 模型的误差:过拟合,欠拟合,泛化误差。 泛化误差与模型的复杂度呈一个二次函数的关系,当选中最适当的模型复杂度,可大大降低泛化误差的值。 优化方法: Boosting , Bagging 在我看来boosting类似与一种错题集,能把上一次错误的点整合起来,在下一次运行处理这些错误,以此往复,从而优化模型。 Bagging:对每一个单位进行判断,最后整合出一个最优结果。