欠拟合和过拟合.pdfVIP

下载本文档

5
0
约1.07万字
约 12页
2021-10-18 发布于湖北
举报
版权申诉

欠拟合和过拟合.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

欠拟合与过拟合龙沛洵 2018.9.6 训练误差与泛化误差 ? 误差 (error) ? 学习器的预测输出与样本真实标记的差异 ? 训练误差 (training error) ? 学习器在训练样本集上的误差 ? 泛化误差 (generalization error) ? 学习器在新样本集上的误差 ? 期望目标训练误差越小是否也意味着泛 ? 得到泛化误差小的学习器化误差也越小？学习器在训练样本上表现好是 ? 实际做法否也意味着在新样本上表现也 ? 使训练误差最小化好？欠拟合与过拟合 ? 过拟合 (overfitting) 当学习器把训练样本学得“太好”了的时候，很可能已经把训练样本自身的一些特点当作了所有潜在样本都会具有的一般性质，这就会导致泛化性能下降。 ? 欠拟合 (underfitting) 学习器对训练样本的一般性质尚未学好。 ——周志华《机器学习》 ? 两种情形下学习器的表现过拟合：学习器在训练样本集上表现得非常好，在新样本集上表现很差欠拟合：学习器在训练样本集和新样本集上都表现得较差一个直观类比 ——周志华《机器学习》另一个例子训练数据 14 X Y 1.1 0.7 12 3.4 0.6 5.6 1.4 10 5.7 1.7 8 7.8 3.4 10.3 6.5 Y 6 12.1 9.7 测试数据 4 X Y 2 2.3 0.5 6.6 2.3 0 0 2 4 6 8 10 12 14 9.1 5.0 11.4 8.5 -2 X 12.5 10.5 二次多项式模型