2021-04-20
閱讀量:
1829
欠擬合如何解決?
欠擬合的情況比較容易克服, 常見解決方法有:
增加新特征,可以考慮加入進(jìn)特征組合、高次特征,來增大假設(shè)空間;
添加多項(xiàng)式特征,這個(gè)在機(jī)器學(xué)習(xí)算法里面用的很普遍,例如將線性模型通過添加二次項(xiàng)或者三次項(xiàng)使模型泛化能力更強(qiáng);
減少正則化參數(shù),正則化的目的是用來防止過擬合的,但是模型出現(xiàn)了欠擬合,則需要減少正則化參數(shù);
使用非線性模型,比如核SVM 、決策樹、深度學(xué)習(xí)等模型;
調(diào)整模型的容量(capacity),通俗地,模型的容量是指其擬合各種函數(shù)的能力;
容量低的模型可能很難擬合訓(xùn)練集;使用集成學(xué)習(xí)方法,如Bagging ,將多個(gè)弱學(xué)習(xí)器Bagging。






評(píng)論(0)


暫無數(shù)據(jù)
CDA考試動(dòng)態(tài)
CDA報(bào)考指南
推薦帖子
0條評(píng)論
0條評(píng)論
0條評(píng)論
0條評(píng)論