学习笔记——机器学习（过拟合、欠拟合）

过拟合原因：数据不规范、数据量少、算法复杂

解决：

将数据规范化，处理缺失值，增加数据量，采样，添加噪声

正则化，控制模型复杂度

early stoping

调整学习率

dropout

欠拟合原因：模型复杂度过低，特征量少

解决：

增加新特征（多项式特征、高次特征）

减少正则化参数

使用非线性模型（SVM、决策树）