过拟合和欠拟合

• 什么是过拟合？

      模型拟合过度，在训练集上表现好，在测试集上效果差。

• 什么是欠拟合？

      模型拟合不够，在训练集上表现效果差，没有充分利用数据，预测准确率低。

• 导致过拟合的原因？

     1.训练数据集样本单一，不能覆盖所有的数据类型

     2.噪声干扰较大

     3.模型过于复杂

• 如何解决过拟合的问题？

     1.在训练和建立模型的时候，从相对简单的模型开始，不要一上来就把模型调得很复杂，特征非常多

     2.数据的采样，应该尽可能覆盖全部数据类型(数据集扩增)

     3.清洗数据，避免混入大量噪声数据

     4.加上正则化项，如L1正则化或L2正则化

     5.在深度学习中，可以采用dropout的方法

     6.在深度学习中可以采用early stopping的方法

     7.交叉验证