1700533894
百面机器学习：算法工程师带你去面试 [:1700532182]
1700533895
百面机器学习：算法工程师带你去面试 07 过拟合与欠拟合
1700533896
1700533897
1700533898
1700533899
场景描述
1700533900
1700533901
在模型评估与调整的过程中，我们往往会遇到“过拟合”或“欠拟合”的情况。如何有效地识别“过拟合”和“欠拟合”现象，并有针对性地进行模型调整，是不断改进机器学习模型的关键。特别是在实际项目中，采用多种方法、从多个角度降低“过拟合”和“欠拟合”的风险是算法工程师应当具备的领域知识。
1700533902
1700533903
知识点
1700533904
1700533905
过拟合，欠拟合
1700533906
1700533907
问题1 在模型评估过程中，过拟合和欠拟合具体是指什么现象？
1700533908
1700533909
难度：★☆☆☆☆
1700533910
1700533911
分析与解答
1700533912
1700533913
过拟合是指模型对于训练数据拟合呈过当的情况，反映到评估指标上，就是模型在训练集上的表现很好，但在测试集和新数据上的表现较差。欠拟合指的是模型在训练和预测时表现都不好的情况。图2.5形象地描述了过拟合和欠拟合的区别。
1700533914
1700533915
1700533916
1700533917
1700533918
图2.5 欠拟合与过拟合
1700533919
1700533920
可以看出，图2.5（a）是欠拟合的情况，拟合的黄线没有很好地捕捉到数据的特征，不能够很好地拟合数据。图2.5（c）则是过拟合的情况，模型过于复杂，把噪声数据的特征也学习到模型中，导致模型泛化能力下降，在后期应用过程中很容易输出错误的预测结果。
1700533921
1700533922
问题2 能否说出几种降低过拟合和欠拟合风险的方法？
1700533923
1700533924
难度：★★☆☆☆
1700533925
1700533926
分析与解答
1700533927
1700533928
■ 降低“过拟合”风险的方法
1700533929
1700533930
（1）从数据入手，获得更多的训练数据。使用更多的训练数据是解决过拟合问题最有效的手段，因为更多的样本能够让模型学习到更多更有效的特征，减小噪声的影响。当然，直接增加实验数据一般是很困难的，但是可以通过一定的规则来扩充训练数据。比如，在图像分类的问题上，可以通过图像的平移、旋转、缩放等方式扩充数据；更进一步地，可以使用生成式对抗网络来合成大量的新训练数据。
1700533931
1700533932
（2）降低模型复杂度。在数据较少时，模型过于复杂是产生过拟合的主要因素，适当降低模型复杂度可以避免模型拟合过多的采样噪声。例如，在神经网络模型中减少网络层数、神经元个数等；在决策树模型中降低树的深度、进行剪枝等。
1700533933
1700533934
（3）正则化方法。给模型的参数加上一定的正则约束，比如将权值的大小加入到损失函数中。以L2正则化为例：
1700533935
1700533936
1700533937
1700533938
1700533939
（2.18）
1700533940
1700533941
这样，在优化原来的目标函数C0的同时，也能避免权值过大带来的过拟合风险。
1700533942
1700533943
（4）集成学习方法。集成学习是把多个模型集成在一起，来降低单一模型的过拟合风险，如Bagging方法。