1.定義

標準定義：給定一個假設空間H，一個假設h屬于H，如果存在其他的假設h’屬于H,使得在訓練樣例上h的錯誤率比h’小，但在整個實例分布上h’比h的錯誤率小，那么就說假設h過度擬合訓練數據。 —-《Machine Learning》Tom M.Mitchell

2.出現過擬合的一些原因

（1）建模樣本抽取錯誤，包括（但不限于）樣本數量太少，抽樣方法錯誤，抽樣時沒有足夠正確考慮業務場景或業務特點，等等導致抽出的樣本數據不能有效足夠代表業務邏輯或業務場景； 
（2）樣本里的噪音數據干擾過大，大到模型過分記住了噪音特征，反而忽略了真實的輸入輸出間的關系； 
（3）建模時的“邏輯假設”到了模型應用時已經不能成立了。任何預測模型都是在假設的基

總結

以上是生活随笔為你收集整理的过拟合（原因、解决方案、原理）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。