参考答案
内容深度:适中 · 含示例/代码 · 来源:外部链接 · 未复核 · 75 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解
定义
- 欠拟合:模型在训练集和测试集上都表现差,未能学到数据规律(偏差高)。
- 过拟合:模型在训练集上误差很低、测试集上误差高,泛化能力差(方差高)。
典型表现(学习曲线)
- 欠拟合:train error 与 test error 都高且接近。
- 过拟合:train error 很低,test error 明显更高,两者 gap 大。
缓解欠拟合
- 用更强模型(更高阶/更深网络)、增加特征、减少正则化强度、延长训练。
缓解过拟合
- 更多训练数据 / 数据增强;
- 正则化:L1、L2(权重衰减)、Dropout;
- 早停(Early Stopping);
- 交叉验证选超参;
- 降低模型复杂度、特征选择 / 降维。
模型复杂度 ↑ : 欠拟合 → 适中 → 过拟合
训练误差 : 高 → 低 → 很低
测试误差 : 高 → 低 → 升高(gap 变大)