机器学习 模型的评估与选择-欠拟合与过拟合

欠拟合与过拟合

1.欠拟合

欠拟合：未能学好训练样本的普遍规律，训练误差较大。主要原因是：模型过于简单，没有较好的数据拟合能力，泛化能力较弱。

2.过拟合

过拟合：训练过度使泛化能力下降，主要原因是模型过于复杂，导致数据的学习过于模糊。

如图，欠拟合的模型非常简单，学习效果较差，很多数据点并没有学习上；过拟合，模型较复杂，学习深度过大，将干扰数据的特征都学习了，导则数据测试无法更好识别数据，泛化能力较弱。