通过学习曲线识别过拟合和欠拟合

来源：Deephub Imba本文约3000字，建议阅读5分钟本文将介绍如何通过学习曲线来有效识别机器学习模型中的过拟合和欠拟合。欠拟合和过拟合1、过拟合如果一个模型对数据进行了过度训练，以至于它从中学习了噪声，那么这个模型就被称为过拟合。过拟合模型非常完美地学习了每一个例子，所以它会错误地分类一个看不见的/新的例子。对于一个过拟合的模型，我们会得到一个完美/接近完美的训练集分数和一个糟糕的测试/验证分数。过拟合的原因:用一个复杂的模型来解决一个简单的问题，从数据中提取噪声。因为小数据集作为训练集可能无法代表所有数据的正确表示。2、欠拟合如果一个模型不能正确地学习数据中的模式，我们就说它是欠拟合的。欠拟合模型并不能完全学习数据集中的每一个例子。在这种情况下，我们看到训练集和测试/验证集的分 ………………………………