机器学习中过拟合欠拟合与方差偏差的关系是什么?

Posted Data+Science+Insight

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习中过拟合欠拟合与方差偏差的关系是什么?相关的知识,希望对你有一定的参考价值。

机器学习中过拟合、欠拟合与方差、偏差的关系是什么?

 

 

过拟合(overfitting)与欠拟合(underfitting)是统计学中的一组现象。过拟合是在统计模型中,由于使用的参数过多而导致模型对观测数据(训练数据)过度拟合,以至于用该模型来预测其他测试样本输出的时候与实际输出或者期望值相差很大的现象。欠拟合则刚好相反,是由于统计模型使用的参数过少,以至于得到的模型难以拟合观测数据(训练数据)的现象。

我们总是希望在机器学习训练时,机器学习模型能在新样本上很好的表现。过拟合时,通常是因为模型过于复杂,学习器把训练样本学得“太好了”,很可能把一些训练样本自身的特性当成了所有潜在样本的共性了,这样一来模型的泛化性能就下降

以上是关于机器学习中过拟合欠拟合与方差偏差的关系是什么?的主要内容,如果未能解决你的问题,请参考以下文章

机器学习过拟合与欠拟合!

偏差与方差,欠拟合与过拟合的关系

机器学习偏差与方差和F1与BEP值的关系

机器学习模型的实用建议

[深度之眼机器学习训练营第四期]过拟合与正则化

偏差和方差