当我们说模型训练结果过拟合的时候,意思是模型的泛化能力很强
举一反三
- 过拟合不会影响分类模型的泛化能力（ ）
- 过拟合模型的特点有： A: 训练误差小 B: 训练误差大 C: 泛化误差小 D: 泛化误差大
- 关于过拟合的说法,正确的是( )。 A: 指模型学习能力不足 B: 会使得模型泛化能力高 C: 会强化欠拟合 D: 可以通过正则化方法改善
- 如果您的模型在训练数据上表现很好，但在新实例上泛化很差，会发生什么?您如何可能解决这个问题?[br][/br] 选择一个: A: 模型可能会过拟合训练数据，需要使用更复杂的算法。 B: 模型很可能是过拟合训练数据，所以我们应该使用更简单的算法。 C: 模型可能欠拟合训练数据，所以我们应该使用更简单的算法。 D: 模型很可能欠拟合训练数据，所以我们应该使用更复杂的算法。
- 缓解过拟合的方法有:(<br/>)。 A: 提高模型学习能力 B: 正则化 C: 简化模型 D: 减少训练次数