过拟合与欠拟合

过拟合与欠拟合

• 欠拟合指模型不能在训练集上获得足够低的训练误差；

• 过拟合指模型的训练误差与测试误差（泛化误差）之间差距过大；

• • 反映在评价指标上，就是模型在训练集上表现良好，但是在测试集和新数据上表现一般（泛化能力差）；

降低过拟合风险的方法

所有为了减少测试误差的策略统称为正则化方法，这些方法可能会以增大训练误差为代价。

• 数据增强
• • 图像：平移、旋转、缩放
• • 利用生成对抗网络（GAN）生成新数据
• • NLP：利用机器翻译生成新数据
• 降低模型复杂度
• • 神经网络：减少网络层、神经元个数
• • 决策树：降低树的深度、剪枝
• 权值约束（添加正则化项）
• • L1 正则化
• • L2 正则化
• 集成学习
• • 神经网络：Dropout
• • 决策树：随机森林、GBDT
• 提前终止

降低欠拟合风险的方法

• 加入新的特征
• • 交叉特征、多项式特征、…
• • 深度学习：因子分解机、Deep-Crossing、自编码器
• 增加模型复杂度
• • 线性模型：添加高次项
• • 神经网络：增加网络层数、神经元个数
• 减小正则化项的系数
• • 添加正则化项是为了限制模型的学习能力，减小正则化项的系数则可以放宽这个限制
• • 模型通常更倾向于更大的权重，更大的权重可以使模型更好的拟合数据