- 博客(2)
- 收藏
- 关注
RSS订阅原创 过拟合欠拟合
如果模型太简单，喂再多数据也没有，还是会欠拟合，如果模型太复杂，少量数据会过拟合，过分扣细节。另外注意，训练数量的多与少不是决定欠拟合还是过拟合的唯一因素，关键要看训练数量和模型复杂程度是否匹配。模型不光学会了“树叶是薄的、绿的、有叶脉”，还记住了某一片树叶的虫洞位置、灰尘点。一般模型特别复杂，训练时间过长，特征太多而且杂乱，权重调的过大容易出现过拟合。一般模型太简单，数据特征少，训练时间太短，学习率太低，正则化太强都容易欠拟合。欠拟合是模型太简单，根本没学会规律。来一片黄树叶，模型就认为不是树叶！
2026-03-03 22:57:26
29
原创 有监督学习（小白学习）
也是可以的，对吧，比如重量，口感，纹理……也就是这样的数据〔1，0，0，1，0〕，认为它是苹果的分数应该高于认为它是香蕉的分数。那么模型是怎么打分的呢，首先，模型给每一个特征分配权重，（一般是一个随机小数），这里为了方便理解，统一为0.5。人脸识别，扫五福，你就可以理解为传给模型的数据集样式不同，事实上无论是文字、图片、音频，甚至什么样的数据都有，都可以合理的转换以及计算得到一个分数，从而给出评价，不断训练纠正，提高模型的准确度。这时候你拿出来一个绿色圆苹果，转换成数据就是〔1，0，0，1，0〕，。
2026-03-03 22:19:50
239
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人