每天五分钟机器学习：大数据训练过拟合模型从而得到优质学习模型

本文重点

什么是高偏差（欠拟合），什么是高方差(过拟合)？

高偏差是指算法打偏了，没有命中目标。如果训练集只有50%的命中目标时，偏差很大，此时就是欠拟合。

高方差是指训练集和测试集上的表现，若训练集100%的命中了目标则偏差小，测试集命中率0%，则方差很大，这就是过拟合。

要想获得一个比较高效的学习系统，其中一种最可靠的办法就是选择一个低偏差或者高方差的算法，然后使用巨大的训练集来训练它。我们可以通过增大分类器的特征数或者在神经网络中增加隐藏层数，直到我们得到一个偏差比较小的分类器，但是现在的问题是我们从哪里找到这么多的训练数据呢？

获取数据的方式--人工数据合成

要想获取到更多的数据，我们可以使用人工数据合成的方式，人工数据合成通常包含两种方式：

第一种是我们从无到有创造新的数据

第二种是我们已经有了一小部分带标签的训练集，然后将其扩展为一个大的训练集

第一种

我们收集到了一些带有标签数据，都是长宽比为正方形的图像，如下所示：

 

但这些数据量明显不是很大，所以如何获得巨大的数据集呢？我们可以去字体网站下载各种字体