概念 之前，我们介绍过拟合的概念。拟合指的是构建的模型能够符合样本数据的特征。与拟合相关的两个概念是欠拟合与过拟合。 欠拟合：模型过于简单，未能充分捕获样本数据的特征。表现为模型在训练集上的效果不好。 过拟合：模型过于复杂，过分捕获样本数据的特征，从而将样本数据中一些特殊特征当成了共性特征。表现为模型在训练集上的效果非常好，但是在未知数据上的表现效果不好。 解决方案 如果产生欠拟合，可以采用如下方式，来达到更好的拟合效果。 增加迭代次数 增加模型复杂度（例如，引入新的特征） 通过多项式扩展 使用更复杂的模型（例如非线性模型） 如果产生过拟合
超级会员免费看
本文介绍了欠拟合和过拟合的概念，以及如何通过多项式扩展和正则化来解决这些问题。讨论了多项式扩展的原理，包括多项式拟合和转换规则，并展示了如何使用`PolynomialFeatures`进行转换。此外，文章还探讨了正则化，包括L2、L1和Elastic Net正则化，以及它们在防止过拟合中的作用。最后，提到了训练集、验证集和测试集的划分以及交叉验证的重要性。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
