过拟合,在AI领域多指机器学习得到模型太过复杂,导致在训练集上表现很好,然而在测试集上却不尽人意。过拟合(over-fitting)也称为过学习,它的直观表现是算法在训练集上表现好,但在测试集上表现不好,泛化性能差。过拟合是在模型参数拟合过程中由于训练数据包含抽样误差,在训练时复杂的模型将抽样误差也进行了拟合导致的。
教程 | 如何判断LSTM模型中的过拟合与欠拟合
机器之心
5+阅读 · 2017年10月2日
简单复读机LR如何成为推荐系统精排之锋?
夕小瑶的卖萌屋
1+阅读 · 2021年9月27日
超级干货 | 用万字文章总结25种正则化方法
极市平台
8+阅读 · 2022年3月11日
【机器学习】从入门到第一个模型
产业智能官
1+阅读 · 2017年10月10日
BAT机器学习面试1000题(456~460题)
七月在线实验室
0+阅读 · 2018年9月19日
收藏 | 使用PyTorch时,最常见的4个错误
深度学习自然语言处理
0+阅读 · 2020年11月25日
使用Mask-RCNN在实例分割应用中克服过拟合
计算机视觉life
0+阅读 · 2020年12月19日
学界 | 大白话解释模型产生过拟合的原因
AI科技评论
0+阅读 · 2017年5月22日
实践教程 | CNN调优总结
极市平台
3+阅读 · 2022年2月10日
AI从业者必须了解的决策树指南
AI前线
7+阅读 · 2019年1月14日
机器学习概览
专知
0+阅读 · 2020年6月16日
参考链接
子主题
微信扫码咨询专知VIP会员