4.2 过、欠拟合(Underfitting and Overfitting)

4.2 过、欠拟合(Underfitting and Overfitting)

李沐

B站:https://space.bilibili.com/1567748478/channel/collectiondetail?sid=28144
课程主页:https://c.d2l.ai/stanford-cs329p/

课件:https://c.d2l.ai/stanford-cs329p/_static/pdfs/cs329p_slides_6_2.pdf

1. 概念

训练误差:模型在训练集上的误差;

泛化误差:模型在新数据集上预测值和真实值的差(数据只用一次);

注:解释训练误差和泛化误差

  • 从过去的考试中预测未来的一场考试
  • 过去的考试考的很好,就比如在备战高考中做了很多往届真题并且做得很好(训练误差)并不能保证在未来的考试中可以得高分(泛化误差
  • 学生 A 通过熟背答案,在做往届真题时,每次都能拿满分。因此在真正高考的考试中遇到了新的题,得分就会很少。
  • 学生 B 在做往届真题时,理解并记住了问题的做题步骤等。因此在真正高考的考试中遇到了新的题,也能随机应变,做的很好。

2. 过拟合和欠拟合

  1. 训练误差低,泛化误

你可能感兴趣的:(实用机器学习,机器学习,深度学习)