解释两种拟合失败的表现、成因与各自对策。
过拟合:模型在训练集表现好、测试集差,记住了噪声而非规律。成因:模型过复杂/数据少。对策:更多数据、正则化(L1/L2)、Dropout、早停、交叉验证、降低模型复杂度。
欠拟合:训练集和测试集都差,模型没学到规律。成因:模型太简单/特征不足。对策:换更强模型、增加特征、减少正则、延长训练。
用偏差—方差权衡理解:欠拟合=高偏差,过拟合=高方差。
题目与答案就在本页;收藏、批注和错题重练在应用内