Open Alex-McAvoy opened 10 months ago
https://alex-mcavoy.github.io/artificial-intelligence/machine-learning/compututational-learning-theory/d9259ca2.html
【欠拟合与过拟合】当假设空间中含有不同复杂度的模型时，就面临模型选择问题，即假设假设空间中存在符合问题的真模型，那么选择的模型应该逼近该真模型，从而提高预测能力 如果模型复杂度低，在训练集中无法获得足够低的误差，使得模型在训练集上就表现的很差，无法学习到数据背后的规律，这种现象称为欠拟合（Under-fitting）
https://alex-mcavoy.github.io/artificial-intelligence/machine-learning/compututational-learning-theory/d9259ca2.html
【欠拟合与过拟合】当假设空间中含有不同复杂度的模型时，就面临模型选择问题，即假设假设空间中存在符合问题的真模型，那么选择的模型应该逼近该真模型，从而提高预测能力 如果模型复杂度低，在训练集中无法获得足够低的误差，使得模型在训练集上就表现的很差，无法学习到数据背后的规律，这种现象称为欠拟合（Under-fitting）