澳洲亿忆网科技如何防止我的模型过拟合?这篇文章给出了6大必备方法

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。

如何确定模型是否过拟合?

用更多数据进行训练

正则化

L1 惩罚的目的是优化权重绝对值的总和。它生成一个简单且可解释的模型,且对于异常值是鲁棒的。

总结

阅读原文

责任编辑:Quan

*以上内容转载自澎湃-湃客,亿忆网对内容或做细微删改,不代表本网站赞同其观点和对其真实性负责。

下载APP

手机亿忆

亿忆澳洲

返回顶部

web analytics shopify traffic stats web analytics