过拟合和欠拟合以及相对应的解决办法

https://blog.csdn.net/qq_38462337/article/details/81777505

 

欠拟合：是指模型的学习能力比较低，以至于，只学到了很少的一部分信息，当进行预测的时候，会发生方差最低，和偏差较大的情况
过拟合：是指模型的学习能力比较强，以至于，直接把题给背下来了，如果考到原题，就会实现相应的预测100%，如果预测的不再训练集中，那么结果就是0.
过拟合是偏差较小，但是方差较大
上面的较小与较大是和不欠拟合也不过拟合的相比而言的，这也在某种程度上说明了，偏差 和方差是一个均衡的状态，一个高一个低，高和低都不好
mse=var+bias
图片来源于华东师范大学茆师松的书，出版社是高等教育


欠拟合的解决办法
1）添加其他特征项，有时候我们模型出现欠拟合的时候是因为特征项不够导致的，可以添加其他特征项来很好地解决。例如，“组合”、“泛化”、“相关性”三类特征是特征添加的重要手段，无论在什么场景，都可以照葫芦画瓢，总会得到意想不到的效果。除上面的特征之外，“上下文特征”、“平台特征”等等，都可以作为特征添加的首选项。
2）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。例如上面的图片的例子。
3）减少正则化参数，正则化的目的是用来防止过拟合的，但是现在模型出现了欠拟合，则需要减少正则化参数。
4）增加模型复杂度。如果模型太简单，不能够应对复杂的任务。可以使用更复杂的模型，减小正则化系数。具体来说可以使用核函数，集成学习方法，深度学习等。
集成学习方法boosting（如GBDT,xgboost，adaboost）能有效解决high bias，
过拟合解决办法：
解决方法：
1) 合适的模型(simpler model structure)
2) 正则化(regularization) L2正则化
3) 数据增强(data augmention)
4) 随机失活(Dropout) 或者weight decy
5) 批规范化(batch normalization)
6) Bagging和其他集成模型 例如： 随机森林模型可以
7）重新清洗数据，导致过拟合的一个原因也有可能是数据不纯导致的，如果出现了过拟合就需要我们重新清洗数据。
8）增大数据的训练量，还有一个原因就是我们用于训练的数据量太小导致的，训练数据占总数据的比例过小。