首页->机器学习

简述过拟合和欠拟合的概念及应对方案。

答：[当训练损失较大时，说明模型不能对数据进行很好的拟合，称这种情况为欠拟合。当训练误差小且明显低于泛化误差时，称这种情况为过拟合，此时模型的泛化能力往往较弱。对于欠拟合情况，通常是由于模型本身不能对训练集进行拟合或者训练迭代次数太少，解决问题的主要方法是对模型进行改进、设计新的模型重新训练、增加训练过程的迭代次数等。对于过拟合的情况，往往是由于数据量太少或者模型太复杂导致，可以通过增加训练数据量、对模型进行裁剪、正则化等方式来缓解。]