知识卡片
泛化与过欠拟合
泛化是模型对未参与训练的新数据保持表现的能力。欠拟合时模型连训练数据的规律也没学好;过拟合时训练表现好而新数据表现差。模型复杂度、数据和训练过程都可能影响结果,不能仅凭模型层数判断。
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
- 常见挑战及对策:一切为了泛化能力 · 查看原书依据
过拟合是指模型在训练数据上表现良好,但在测试数据上表现不佳的情况。
参考来源
- 位置:《破解深度学习(基础篇)_模型算法与实现》第5章《常见挑战及对策:一切为了泛化能力》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0008.xhtml`)
- 结论依据:原文及图示说明训练问题和策略;必要处补充条件,避免将示例结论绝对化。
- 原始内容:过拟合是指模型在训练数据上表现良好,但在测试数据上表现不佳的情况。