如何防止我的模型过拟合？这篇文章给出了6大必备方法

2021-01-21 来源：澎湃-湃客 阅读数：550 分享

本篇内容为转载/翻译内容，仅代表原文作者或原媒体观点，不代表本平台立场。

在机器学习中，如果模型过于专注于特定的训练数据而错过了要点，那么该模型就被认为是过拟合。该模型提供的答案和正确答案相距甚远，即准确率降低。这类模型将无关数据中的噪声视为信号，对准确率造成负面影响。即使模型经过很好地训练使损失很小，也无济于事，它在新数据上的性能仍然很差。欠拟合是指模型未捕获数据的逻辑。因此，欠拟合模型具备较低的准确率和较高的损失。