← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9945.a.3 · 生成模型:未记录

训练和验证误差一起读

理解等级:高级

训练误差与验证误差同时较大,可能是模型表达能力不足、训练未到位或输入缺信息。训练误差很低但验证误差高,可能对训练噪声过于敏感。正则化、减小模型复杂度和收集独立样本可以作为验证候选。评估前要排除训练与验证分布改变或数据泄漏。

这张卡片看不懂?

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

    • 全景图:机器学习路线图 · 查看原书依据

      欠拟合和过拟合是导致模型泛化能力不高的两种常见原因。“欠拟合”是指模型学习能力较弱,无法学习到样本数据中的“一般规律”,因此导致模型泛化能力较弱。而“过拟合”则恰好相反,是指模型学习能力太强,以至于将

    参考来源

    - 位置:《从零开始:机器学习的数学原理和算法实践》第4章《全景图:机器学习路线图》(来源项目 book-source:extracted/从零开始:机器学习的数学原理和算法实践/_epub-src/OEBPS/Text/chapter004.xhtml) - 结论依据:原文从经验误差与泛化误差相对关系解释欠拟合和过拟合。 - 原始内容:欠拟合和过拟合是导致模型泛化能力不高的两种常见原因。“欠拟合”是指模型学习能力较弱,无法学习到样本数据中的“一般规律”,因此导致模型泛化能力较弱。而“过拟合”则恰好相反,是指模型学习能力太强,以至于将