← 返回卡片

原书出处

深度学习详解

02 实践方法论 2.5 不匹配

核验版本的摘录快照 · 导入于 2026-11-21T12:46:32.556Z

不匹配和过拟合不同,一般的过拟合可以用收集更多的数据来克服,但不匹配是指训练集和测试集的分布不同,训练集再增大其实也没有帮助了.假设在分训练集和测试集的时候,使用2020年的数据作为训练集,使用2021年的数据作为测试集,不匹配的问题可能就会很严重.因为2020年的数据和2021年的数据背后的分布不同.图2.14 演示了图像分类中的不匹配问题. 增加数据也不能让模型做得更好,所以这种问题要怎么解决、匹不匹配,要看对数据本身的理解. 我们可能要对训练集和测试集的产生方式有一些理解,才能判断模型是不是遇到了不匹配的情况.

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/深度学习详解/_epub-src/OEBPS/Text/Chapter02.xhtml

EPUB SHA-256:35d2d4b7de742e0ce7756e7fb57c534014bf33cecdf0483a75e23cb7446cb7dc