线性回归中的过拟合以及欠拟合

过拟合以及欠拟合

在这里插入图片描述

假如把天鹅的特征设置为 (嘴巴长,脖子长且弯曲,有翅膀),那么在预测时 就将黑天鹅区别为不是天鹅 此现象为过拟合

假如把天鹅特征设置为(嘴巴长,有翅膀),那么预测时会将一些鸟类动物区分为天鹅,此现象为欠拟合

在这里插入图片描述

根据结果现象判断过拟合还是欠拟合

当对结果进行交叉验证时 训练集和测试集结果表现都不行 则为欠拟合 当训练集结果大于预测集,,推测可能是特征过于复杂,则为过拟合

欠拟合原因以及解决办法

原因:学习到数据的特征过少

解决办法: 增加数据的特征量

过拟合原因以及解决办法

原因: 原始特征过多,存在一些嘈杂特征,模型过于复杂是因为模型尝试去兼顾各个数据点

解决办法:1, 进行特征选择,消除关联性大的特征(较为困难)

2,交叉验证(让所有数据都有过训练)

3,正则化

线性回归LinearRegression 为了把训练集数据表现更好 因此会出现过拟合

L2正则化:Ridge 岭回归 带有正则化的线性回归

在这里插入图片描述在这里插入图片描述

在这里插入图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值