过拟合
2015-09-23 11:48
316 查看
1.如果一味追求提高对训练数据的预测能力,所选模型的复杂度则往往会比真模型更高,这种现象称为过拟合(over-fitting ). 2.过拟合是指学习时选择的模型所包含的参数过多,以致于出现这一模型对已知数据预测得很好,但对未知数据预测很差的现象. 3.可以说模型选择旨在避免过拟合并提高模型的预测能力.
相关文章推荐
- python运行原理
- strom安装1
- java 二叉树的实现 和遍历
- hdu3345 bfs,陷阱较多
- WinCE 5.0模拟器,在 win7 下安装后, VS2008里不显示
- 线段相交
- Xcode6无法安装VVDocumenter插件的解决方法
- linux在shell中获取时间
- 【Mockplus教程】如何修改手机外壳?
- thanks
- jmap,jstack,jhat内存分析
- IIS请求筛选模块被配置为拒绝超过请求内容长度的请求
- C++ 函数模板的特化(Function Template Specialization)
- Django 缓存系统
- Struts中拦截器的使用
- Redis同步(主从复制)
- 由RGB到HSV颜色空间的理解
- 链表的数组实现
- UITapGestureRecognizer 手势传值
- .NET-MVC站点发布注意事项