泛化能力:模型或者分类器对未知新样本分类能力。
简单理解就是模型训练之后,对没有进行训练的数据集分类能力。
过拟合:过分追求模型对样本集分类的正确性,导致泛化能力下降。
简单理解就是在对样本集进行分类的时候,在边界区域难免还有分类错误的情况,是正常的,如果要求模型对样本集几乎接近100%的正确率,反而会造成模型本身对未知样本的分类能力急剧下降,所以模型最好在正确率和泛化能力做好平衡调节,才能优化模型。
泛化能力:模型或者分类器对未知新样本分类能力。
简单理解就是模型训练之后,对没有进行训练的数据集分类能力。
过拟合:过分追求模型对样本集分类的正确性,导致泛化能力下降。
简单理解就是在对样本集进行分类的时候,在边界区域难免还有分类错误的情况,是正常的,如果要求模型对样本集几乎接近100%的正确率,反而会造成模型本身对未知样本的分类能力急剧下降,所以模型最好在正确率和泛化能力做好平衡调节,才能优化模型。
版权声明:该文观点仅代表作者本人。处理文章:请发送邮件至 三1五14八八95#扣扣.com 举报,一经查实,本站将立刻删除。