改进模型
例如将二次模型变换为三次模型，将模型的精确度提高
（模型次数提高，在训练集上的误差最小，但是在测试集上的误差可能先变小后越来越大）
越复杂的模型并不一定在测试集上具有很好地性能
过拟合：复杂的模型在训练集上具有很好地性能，但是在测试集上的性能比较差。
为了过拟合，可以分段进行拟合，考虑除了自变量以外的其他一个或者几个因素。
模型的对比可以考虑平均错误率。
正则化：添加权重的平方和*λ
李宏毅机器学习深度学习笔记
本文探讨了如何通过提升模型复杂度来改进模型精度的方法，同时也指出了过度复杂的模型可能会导致过拟合的问题。文中还介绍了如何通过正则化等手段来避免过拟合现象，确保模型在测试集上也能保持良好的性能。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
