怎么解决Underfitting和Overfitting问题?

节选自 机器学习如何解决问题-美团技术团队

Underfitting

数据:清洗数据

特征:

1. 增加特征

2. 删除噪音特征

模型

1. 调低正则项的惩罚参数

2. 换更“复杂”的模型(如把线性模型换为非线性模型)

3. 多个模型级联或组合

Overfitting

数据

增加数据

特征:

1. 进行特征选择

2. 降维(如对特征进行聚类、主题模型进行处理等)

模型

1. 提高正则项的惩罚参数 2. 减少训练迭代次数 3. 换更“简单”的模型(如把非线性模型换为线性模型)
相关文章
相关标签/搜索