机器学习2.12——过度拟合

我爱Cpp！

已于 2022-02-14 10:40:57 修改

阅读量712

点赞数

文章标签：机器学习

于 2022-02-12 22:37:26 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_54245989/article/details/122903310

版权

本文探讨了高级优化技术在多分类问题中的应用，重点聚焦于过度拟合现象。过拟合通常是由于特征变量过多导致，这使得模型过于复杂，难以泛化到新数据。为了解决泛化能力不足的问题，提出了两种策略：减少特征数量（可能损失部分信息）和使用正则化技术，通过调整模型参数来平衡模型复杂度与泛化性能。正则化允许保留所有特征，同时控制模型的复杂度，以提高对新样本的预测能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1⃣️高级优化

2⃣️多分类问题处理

3⃣️过度拟合

⬇️三种拟合情况

watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETkDmiJHniLFDcHDvvIE,size_20,color_FFFFFF,t_70,g_se,x_16

⚠️出现过拟合原因：特征变量过多

❗️引发问题：由于为了拟合训练集，变量过多，一旦数据集不够多，则无法对其函数进行很好的约束，且无法泛化到新的样本中就无法预测新样本的输出情况

Ps: 泛化：指一个假设模型应用到新样本的能力

💡解决泛化

1.尽量减少选取变量的数量(缺点:可能会筛掉有用信息)

2.正则化：可保留所有特征变量，减小量级or减小参数theta大小

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。