知识卡片
训练好测试差提示过拟合
如果训练样本预测很好、独立验证明显变差,应检查模型是否学到了采样噪声或偶然关联,同时排查训练与验证分布差异。可尝试增加代表性训练样本、降低复杂度或正则化,并在同一验证条件下比较。
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
- 机器学习概述 1.5.1 · 查看原书依据
越,导致在验证数据集以及测试数据集中表现不佳。过拟合就是学到了很多没必要的特征,比如长得像猫的狗,或者长得像狗的猫,其实这只是特例,但神经网络为了更好地降低损失(Loss),就只能被迫学习这些特征用来区分猫和狗。但是
参考来源
- 位置:《AI制胜:机器学习极简入门》第1章 机器学习概述 §1.5.1(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter1.xhtml#isbn9787302555513_1_1_2_12)
- 结论依据:原文用训练和测试表现对比识别过拟合,并列出三类缓解方法。
- 原始内容:越,导致在验证数据集以及测试数据集中表现不佳。过拟合就是学到了很多没必要的特征,比如长得像猫的狗,或者长得像狗的猫,其实这只是特例,但神经网络为了更好地降低损失(Loss),就只能被迫学习这些特征用来区分猫和狗。但是