知识卡片
泛化目标
监督学习的目标不是记住训练集,而是在未来样本上表现好。模型必须在拟合数据和保持简单之间取舍;过拟合本质上是把噪声误当规律。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 样例学习 19.2 监督学习 · 查看原书依据
当一个函数过于关注它用来训练的特定训练数据集,进而导致它在没有见过的数据上表现较差时,我们称该函数对数据集是过拟合(overfitting)的。 通常这其中存在一个偏差-方差权衡(bias-variance tradeoff):在更复杂、低偏差的能较好拟合训练集的假设与更简单、低方差的可能泛化得更好的假设中做出选择。
参考来源
- 位置:《人工智能:现代方法(第4版)(上下册)》第19章《样例学习》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0040_split_002.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:监督学习的目标不是记住训练集,而是在未来样本上表现好。原文从「19.2 监督学习」处给出对应机制与依据,支撑本卡结论。
- 原始内容:当一个函数过于关注它用来训练的特定训练数据集,进而导致它在没有见过的数据上表现较差时,我们称该函数对数据集是过拟合(overfitting)的。 通常这其中存在一个偏差-方差权衡(bias-variance tradeoff):在更复杂、低偏差的能较好拟合训练集的假设与更简单、低方差的可能泛化得更好的假设中做出选择。