• 微信公众号:美女很有趣。 工作之余,放松一下,关注即送10G+美女照片!

画图解释机器学习中的过拟合和欠拟合,看不懂你打我

开发技术 开发技术 2周前 (04-29) 8次浏览

转载 1

文章目录

  • 一张图看懂过拟合和欠拟合
  • 过拟合
  • 欠拟合
  • 最佳拟合
  • 过拟合原因以及解决办法
  • 欠拟合原因以及解决办法

 

一张图看懂过拟合和欠拟合

画图解释机器学习中的过拟合和欠拟合,看不懂你打我

过拟合

通俗解释:对训练的数据支持的非常非常好

定义:一个假设在训练数据上能够获得比其他假设更好的拟合, 但是在测试数据集上却不能很好地拟合数据,此时认为这个假设出现了过拟合的现象。(模型过于复杂)

分类的训练数据:
画图解释机器学习中的过拟合和欠拟合,看不懂你打我
下一次给你相同的数据,也测试的很好,准确率100%
来一个新数据
画图解释机器学习中的过拟合和欠拟合,看不懂你打我
那我们说这个方块100%是红数据,这样是有错误率的

欠拟合

通俗解释:测啥啥不准
定义:一个假设在训练数据上不能获得更好的拟合,并且在测试数据集上也不能很好地拟合数据,此时认为这个假设出现了欠拟合的现象。(模型过于简单)

最佳拟合

不考虑异常数据
画图解释机器学习中的过拟合和欠拟合,看不懂你打我

过拟合原因以及解决办法

原因:原始特征过多,存在一些嘈杂特征, 模型过于复杂是因为模型尝试去兼顾各个测试数据点
解决办法:
1)重新清洗数据,导致过拟合的一个原因也有可能是数据不纯导致的,如果出现了过拟合就需要我们重新清洗数据。
2)增大数据的训练量,还有一个原因就是我们用于训练的数据量太小导致的,训练数据占总数据的比例过小。
3)减少特征维度,防止维灾难
4) 对于Knn来说,近邻的数量非常的重要

欠拟合原因以及解决办法

原因:学习到数据的特征过少
解决办法:
1)添加其他特征项,有时候我们模型出现欠拟合的时候是因为特征项不够导致的,可以添加其他特征项来很好地解决。例如,“组合”、“泛化”、“相关性”三类特征是特征添加的重要手段,无论在什么场景,都可以照葫芦画瓢,总会得到意想不到的效果。除上面的特征之外,“上下文特征”、“平台特征”等等,都可以作为特征添加的首选项。
2)添加多项式特征,这个在机器学习算法里面用的很普遍,例如将线性模型通过添加二次项或者三次项使模型泛化能力更强


喜欢 (0)