过拟合(overfitting)
来源:互联网 发布:网络实用技术基础作业1 编辑:程序博客网 时间:2024/05/16 01:46
在用机器学习搭建模型时,经常会碰到这样一种情况,你的模型算法在样本数据中匹配的非常完美。但用新数据测试,发现模型结果和实际差距非常大。那么恭喜你!你掉进了机器学习中常见的一个大坑——过拟合。
什么是过拟合呢?机器学习本质上是通过建立数据模型,使其和现有数据相吻合,从而找到数据中内在的规律。如下面三张图,x表示训练样本数据,蓝色线条表示建立的数据模型。
第一张图:虽然模型部分体现了数据变化的趋势,但是样本数据基本都不在模型曲线上,这叫做欠拟合
第二张图:大多数的样本数据都在模型曲线上,平且很好的体现了数据变化规律,这叫做拟合
第三张图:虽然所有点都在模型曲线上,但却没有体现出数据变化规律,这就是过拟合
过拟合产生的原因是由于采集的样本本身带有的‘抽样误差“,而机器学习的算法可以产生足够复杂的模型,将这些误差值也精确拟合到模型中,导致生成的模型反倒丢失了的本质规律。说白了就是想太多了。
过拟合是在机器学习中经常会遇到的问题,不过不用怕。一般可以通过增加样本数量,或者减少模型复杂度的方式来规避这个坑。
0 0
- 过拟合(overfitting)
- 14过拟合(Overfitting)
- 过拟合overfitting
- 过拟合overfitting
- overfitting(过拟合)的概念
- 过拟合(overfitting) vs 正则化(regularization)
- (过拟合及其防治)Overfitting and Its Avoidance
- 机器学习--神经网络算法系列--过拟合(overfitting)
- 欠拟合(Underfitting) & 过拟合(Overfitting) & 正则化(Regularization)
- 机器学习中:过拟合(overfitting)和欠拟合(underfitting)
- 局部加权回归、欠拟合、过拟合(Locally Weighted Linear Regression、Underfitting、Overfitting)
- 数据挖掘: overfitting 过拟合情况 整理
- 机器学习—过拟合overfitting
- Tensorflow Overfitting过拟合解决方法 Dropput()使用方法
- 机器学习-过拟合 (Overfitting)
- 听课笔记(第十三讲): 过拟合 - Overfitting (台大机器学习)
- 听课笔记(第十三讲): 过拟合 - Overfitting (台大机器学习)
- (八)Tensorflow学习之旅——理解过拟合overfitting
- Vue.js学习总结(1)——Windows下Vue.js开发环境搭建
- Unity3D问题记录 提示Data fold not found
- 分针网—每日分享:如何写一手漂亮的 Vue
- Maven学习 (二) Eclipse 上安装 Maven3插件
- Android 判断软件app是否运行在bluestacks模拟器上(或者其他模拟器)
- 过拟合(overfitting)
- 4.10_放大镜
- UE4C++实现保存文件扩展
- SPFA
- Linux系统使用--定时关机的实现以及crontab命令和文件详解
- android -- 启程
- 4.10.1_用离屏来实现放大镜
- Linux下批量Kill多个进程
- Maven学习 (三) 使用m2eclipse创建web项目