数据太少会导致过拟合,我还以为是欠拟合

理解欠拟合与过拟合
本文探讨了机器学习中常见的两个问题:欠拟合与过拟合。欠拟合表现为模型训练过程中偏差较大,但方差较小;过拟合则相反,模型对训练数据过于敏感导致方差增大。理解这两者对于选择合适的模型至关重要。

===

欠拟合的特点在于它具有比较小的方差,但是却有着比较大的偏置(即与正确答案的偏离方向);而过拟合虽然有着较小的偏置,但是却有着较大的方差

 

题外话

 

按Tab:集体缩进(向右)

按Shift+Tab:集体回缩(向左)

 

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值