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】

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"

帶"齒"的葉子

不帶"齒"的葉子

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