《scikit-learn机器学习常用算法原理及编程实战》—3.4.2 过拟合和欠拟合的特征
【摘要】 本书摘自《scikit-learn机器学习常用算法原理及编程实战》一书中的第3章，第3.4.2节，编著是黄永昌 .
3.4.2 过拟合和欠拟合的特征
到此，我们可以总结过拟合和欠拟合的特点如下。
* 过拟合：模型对训练数据集的准确性比较高，其成本Jtrain(θ)比较低，对交叉验证数据集的准确性比较低，其成本Jcv(θ)比较高。
* 欠拟合：模型对训练数据集的准确性比较低，其成本Jtrain(θ)比较高，对交叉验证数据集的准确性也比较低，其成本Jcv(θ)也比较高。
一个好的机器学习算法应该是对训练数据集准确性高、成本低，即较准确地拟合数据，同时对交叉验证数据集准确性高、成本低、误差小，即对未知数据有良好的预测性。
【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
作者其他文章
评论（0）