数学模型的过拟合和欠拟合
Posted jtay
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数学模型的过拟合和欠拟合相关的知识,希望对你有一定的参考价值。
1. 过拟合
1.1 产生原因
- 训练集中的数据抽取错误,太少,或者不均衡,不足以有效代表业务逻辑或场景;
- 训练集中的数据噪音(异常值)干扰过大;
- 训练模型的“逻辑假设“到了模型应用时已经不能成立
- 参数太多,模型复杂度太高;
- 特征量太多,模型训练过度,比如决策树模型,神经网络模型
1.2 解决方法
- 减少特征数量
- 正则化
- 增大样本训练规模,采样均衡
- 简化模型
- 交叉验证
- 去除异常值
- Dropout
2. 欠拟合
1.1 产生原因
- 模型复杂度过低
- 特征量过少
1.2 解决方法
- 增加新特征
- 增加模型复杂度
- 减少正则化系数
以上是关于数学模型的过拟合和欠拟合的主要内容,如果未能解决你的问题,请参考以下文章