cnn-欠拟合(underfitting)

模型不能很好拟合数据,称之为欠拟合

直白的说:模型没有找到数据规律或不完整,泛化能力不强。在训练和测试数据集上,预测或训练结果都和真实结果相差很远。

一般解决方法

  • 增加新特征,可以考虑加入进特征组合、高次特征,来增大假设空间;

  • 添加多项式特征,这个在机器学习算法里面用的很普遍,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,正则化的目的是用来防止过拟合的,但是模型出现了欠拟合,则需要减少正则化参数;

  • 使用非线性模型,比如核SVM 、决策树、深度学习等模型;

  • 调整模型的容量(capacity),通俗地,模型的容量是指其拟合各种函数的能力;

  • 容量低的模型可能很难拟合训练集;使用集成学习方法,如Bagging ,将多个弱学习器Bagging

你可能感兴趣的:(cnn)