机器学习概念
发布日期:2021-07-01 02:16:29
浏览次数:3
分类:技术文章
本文共 595 字,大约阅读时间需要 1 分钟。
过拟合(高方差)
当我们的数据无法满足我们模型的复杂度时会过拟合,也就是我们的变量过多,模型很复杂,导致在我们的训练集中我们的将我们的训练样本拟合的非常好,但是在测试样本中测试的准确率比较低,模型的泛化能力差,就会出现过拟合的问题。
通俗一点地来说过拟合就是模型把数据学习的太彻底,以至于把噪声数据的特征也学习到了,这样就会导致在后期测试的时候不能够很好地识别数据,即不能正确的分类,模型泛化能力太差
解决方法:正则化,增加训练样本,清洗数据(数据可能不纯)
欠拟合(高偏差)
欠拟合就是模型没有很好地捕捉到数据特征,不能够很好地拟合数据
解决方法:添加其他特征项(可能因为特种项不足),添加多项式特征(例如将线性模型通过添加二次项或者三次项使模型泛化能力更强),减少正则化参数
欠拟合-过拟合与偏差-方差关系
名称 欠拟合 过拟合 备注偏差 一定大 较大 主要针对验证机方差 一定小 一定大 主要针对验证机
方差(Variance):
描述的是预测值的变化范围,离散程度,也就是离其期望值的距离。方差越大,数据的分布越分散,如下图右列所示。
偏差(Bias):
描述的是预测值(估计值)的期望与真实值之间的差距。偏差越大,越偏离真实数据,如下图第二行所示。
转载地址:https://maoli.blog.csdn.net/article/details/91369965 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
很好
[***.229.124.182]2024年04月18日 20时58分31秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
java单例模式几种常见实现方式
2019-05-01
shell脚本中$0,$?,$!、$$、$*、$#、$@等的意义
2019-05-01
Linux正则表达式基础入门+扩展
2019-05-01
Java实现生产者消费者模式的三种方法
2019-05-01
Java线程池的四种拒绝策略
2019-05-01
java线程池常用的阻塞队列
2019-05-01
Lock 常用的几种方法,和作用
2019-05-01
[译]Android冰淇淋三明治ICS(4.0+)JNI局部引用的变化
2019-05-01
Google Map For Android V2 使用方法
2019-05-01
OpenGL ES四 – 光效
2019-05-01
OpenGL ES五 – 材质
2019-05-01
OpenGL ES六 – 纹理及纹理映射
2019-05-01
OpenGL ES七 – 变换和矩阵
2019-05-01
OpenGL ES四补遗 – setupView重写
2019-05-01
OpenGL ES八 - 交叉存取顶点数据
2019-05-01
OpenGL ES九 -动画基础和关键帧动画
2019-05-01
OpenGL ES九 - 四元数
2019-05-01
关于html5的video全屏作为背景的方法
2019-05-01
html5视频全屏背景插件(支持全屏背景,标签实现
2019-05-01