怎么解决Underfitting和Overfitting问题？

节选自 机器学习如何解决问题-美团技术团队

Underfitting

数据：清洗数据

特征：

1. 增加特征

2. 删除噪音特征

模型：

1. 调低正则项的惩罚参数

2. 换更“复杂”的模型（如把线性模型换为非线性模型）

3. 多个模型级联或组合

Overfitting

数据：

增加数据

特征：

1. 进行特征选择

2. 降维（如对特征进行聚类、主题模型进行处理等）

模型：

1. 提高正则项的惩罚参数
2. 减少训练迭代次数
3. 换更“简单”的模型（如把非线性模型换为线性模型）