索引 / 标签
#过拟合
共 4 篇
- Ch05 评估与特征工程
偏差与方差 (Bias-Variance Tradeoff)
概述 偏差-方差权衡（Bias-Variance Tradeoff）是机器学习中最核心的理论困境之一。它描述了模型在拟合训练数据时面临的两种对立误差来源：偏差（Bias）衡量模型预测值与真实值
约 3 分钟1,058 字 - Ch05 评估与特征工程
偏差方差权衡 (Bias-Variance Tradeoff)
概述 偏差-方差权衡（Bias-Variance Tradeoff）是机器学习理论中最核心的概念之一，描述了模型预测误差可以被分解为三个不可约的成分：偏差（Bias）、方差（Variance）
约 4 分钟1,432 字 - Ch05 评估与特征工程
过拟合 (Overfitting)
过拟合是机器学习模型在训练数据上表现极好，但在未见过的测试数据上表现显著变差的现象。从统计学习角度看，过拟合意味着模型捕捉到了训练数据中的噪声和随机波动，而非真实的底层分布规律。过拟合与高方差 (High Variance) 直接对应，是偏差-方差权衡 (Bias-Varianc
约 5 分钟1,609 字 - Ch05 评估与特征工程
过拟合与欠拟合 (Overfitting & Underfitting)
过拟合 = 死记硬背训练数据,泛化能力差; 欠拟合 = 连训练数据都没学好,模型能力不足。两者都是模型学习失败的表现,需要不同的策略应对。
约 4 分钟1,349 字