当前位置:网站首页>過擬合和欠擬合的區別

過擬合和欠擬合的區別

2021-09-15 05:10:06 程序員大本營

過擬合和欠擬合的區別

機器學習過程中大家常常會聽到欠擬合、過擬合這些詞,那麼這兩個詞是什麼意思呢?又有什麼區別?產生的原因又是什麼?

所謂的擬合,其實是指機器學習過程中產生的模型對於測試集的適應效果怎麼樣;是否能够准確地去預測,比如說我訓練出一個識別猫的模型,這個模型能不能對各種猫進行識別,比如:加菲猫、波斯猫、金吉拉猫等等。

1**. 過擬合**

其實就是訓練的模型在訓練樣本中錶現得過於優越,導致在驗證數據集以及測試數據集中錶現不佳。

簡單地說,過擬合就是學到了很多沒必要的特征;就比如:有一個識別葉子的模型,葉子必須由"齒"模型才能識別出來,沒有的話模型就判斷這不是葉子;這肯定是不對的,有的葉子並沒有"齒"
代持
帶"齒"的葉子

不帶"齒"的葉子

  1. 欠擬合

可能訓練樣本被提取的特征比較少,導致訓練出來的模型不能很好地匹配,錶現得很差,甚至樣本本身都無法高效的識別。

簡單地說,訓練模型要去識別葉子,還不能准確地去判斷;模型還需要很多訓練集去訓練

版权声明
本文为[程序員大本營]所创,转载请带上原文链接,感谢
https://chowdera.com/2021/09/20210915050047096Z.html

随机推荐