欠拟合、过拟合现象，及解决办法

@创建于：2022.05.27
@修改于：2022.05.27

1、过拟合与欠拟合

机器学习中模型的泛化能力强的模型才是好模型。对于训练好的模型：

• 若在训练集表现差，不必说在测试集表现同样会很差，这可能是欠拟合导致；
• 若模型在训练集表现非常好，却在测试集上差强人意，则这便是过拟合导致的。

过拟合与欠拟合也可以用 Bias 与 Variance 的角度来解释：

• 欠拟合会导致高 Bias
• 过拟合会导致高 Variance

所以模型需要在 Bias 与 Variance 之间做出一个权衡。

现象	训练集表现	验证集表现	导致后果
欠拟合	不好	不好	高 Bias
过拟合	好	不好	高 Variance
适度拟合	好	好	Bias 和 Variance 的折中

2、欠拟合

2.1 出现的原因

使用的模型复杂度过低
使用的特征量过少
【其他的，如果您知道，请告诉我！感谢】

2.2 解