知识卡片

普通读书笔记卡 · 9994 · 生成模型:GPT-6

训练拟合不等于泛化

理解等级:中级

拟合是在选定的模型族中,利用数据确定模型。若训练数据的规律都难以捕捉,可能欠拟合。若训练误差低而独立测试误差明显更大,应排查过拟合与数据分布变化。两类原因的处理不同,前者关注模型对样本细节的依赖,后者还需要检查样本采集和部署对象。

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

    • 1.3 机器学习的基本原理 · 查看原书依据

      学得太好了?其实,过拟合指的是算法模型的泛化性不好,算法模型通常通过一些具体的数据集进行训练,这些数据集称为训练集,由于采集方法等一些外部因素的硬性存在,训练集数据的

    参考来源

    - 位置:《机器学习算法的数学解析与Python实现》1.3 机器学习的基本原理(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00006.html`) - 结论依据:原文用训练样本和真实环境的表现区分训练拟合与泛化。 - 原始内容:学得太好了?其实,过拟合指的是算法模型的泛化性不好,算法模型通常通过一些具体的数据集进行训练,这些数据集称为训练集,由于采集方法等一些外部因素的硬性存在,训练集数据的