欠拟合与过拟合
过拟合
说明
过拟合就是训练的时候效果很好损失函数值可以降得很低,但是到测试数据集的时候表现就不那么好了,就是过分依赖于现有训练数据集的特征造成的
训练的损失值低于验证的损失值
方法
降低数据量,正则化(L1,L2),Dropout(把其中的一些神经元去掉只用部分神经元去构建神经网络)
欠拟合
说明
样本不够或者算法不精确,测试样本特性没有学到,不具泛化性,拿到新样本后没有办法去准确的判断
训练的损失值高于验证的损失值
方法
增加训练数据,优化算法
![]() |
![]() |
签名:Smile every day
名字:宏沉一笑
邮箱:whghcyx@outlook.com
个人网站:https://whg555.github.io
转载请注明来源,欢迎对文章中的引用来源进行考证,欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论,也可以邮件至 whghcyx@outlook.com
文章标题:欠拟合与过拟合
文章字数:231
本文作者:宏沉一笑
发布时间:2020-02-15, 17:54:33
最后更新:2023-06-19, 13:58:36
原始链接:https://whghcyx.gitee.io/2020/02/15/AI-2020-2-15-%E6%AC%A0%E6%8B%9F%E5%8C%96%E4%B8%8E%E8%BF%87%E6%8B%9F%E5%8C%96/版权声明: "署名-非商用-相同方式共享 4.0" 转载请保留原文链接及作者。