← 返回卡片

原书出处

数据科学与大数据分析 数据的发现 分析 可视化与表示

07 第7章 高级分析理论与方法:分类

第1版 · 核验版本的摘录快照 · 导入于 2026-11-18T18:41:59.829Z

糕,因为有越来越多未见过的数据出现。 图7.7 一个过度拟合的模型,它在训练集上运行良好,但是对未见过的数据则表现糟糕

对于决策树学习来说,过度拟合可以由缺乏训练数据或训练集中存在偏置数据所造成。有两种方法[10]可以帮助避免决策树学习中的过度拟合。

当达到所有训练数据被完美分类的那个点之前,提前停止树的增长。 建完树后,使用错误率降低剪枝(reduced-error

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0017_split_001.html

EPUB SHA-256:e4a4df0364edbfdf609c07ab4449f2148ede4291cdfba8b2a6ffdc51e7b6c9b7