原创 過擬合解決方案之正則化
1.過擬合問題 對於過擬合問題，通常原因是模型選擇太過複雜，也有可能是訓練數據太少。對於模型太複雜的情況，我們一般有如下考慮：一是通過分析刪除部分特徵（比如重複多餘的特徵或者對輸出值貢獻不太大的特徵），但是這樣有可能會損失一部分信息。所以，
2019-11-14 13:55:27
原创 機器學習之欠擬合和過擬合（一）
1.欠擬合(underfitting)與過擬合(overfitting) 在機器學習中，我們的主要思想是通過對數據集的學習來生成我們的假設模型。在對數據集進行擬合的過程中，我們可能會遇到欠擬合和過擬合的問題。以身高預測的例子爲例，這裏給出7
2019-11-14 13:55:27