← 返回卡片

原书出处

深度学习

05 第5章 机器学习基础

核验版本的摘录快照 · 导入于 2026-11-19T07:27:03.626Z

差距。 这两个因素对应机器学习的两个主要挑战:欠拟合 (underfitting)和过拟合 (overfitting)。

欠拟合是指模型不能在训练集上获得足够低的误差,而过拟合是指训练误差和测试误差之间的差距太大。 通过调整模型的容量 (capacity),我们可以控制模型是否偏向于过拟合或者欠拟合。通俗来讲,模型的容量是指其拟合各种函数的能力。

容量低的模型可能很难拟合训练集。容量高的模型可能会过拟合,因为记住了不适用于测试集的训练集性质。 一种控制训练算法容量的

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/深度学习/_epub-src/text/part0001_split_001.html

EPUB SHA-256:30b05f447b47f121324499dd200696e34be257d5cd4c4b753541b42f40a94639