1.under fit:欠拟合，训练集和测试集的准确率都没有达到最高。over fit:过拟合，训练集准确率太高，导致测试集以及未来预测准确率反而变低。just right:刚刚好，训练集和测试集都可以拟合的很好。2.目的:正则化的目的是防止训练过拟合正则化增加模型鲁棒性（泛化能力）3.我们希望参数W越小越好，但是又不能太小。W太大导致误差会变大，W太小导致数据不管有多大的误差代入模型后都会变得特别小导致模型没有意义。所以我们希望W不能太大，也不能太小，既能保
机器学习
2024-07-20
46 点赞
0 评论
69 浏览
