ai算法基础面试35题
1、什么是过拟合和欠拟合？如何避免它们？
答：过拟合是指模型过于复杂，导致在训练集上表现良好，但在测试集上表现不佳的情况。欠拟合是指模型过于简单，不能很好地拟合数据的情况。
欠拟合：泛化能力差，训练样本集准确率低，测试样本集准确率低。
过拟合：泛化能力差，训练样本集准确率高，测试样本集准确率低。
合适的拟合程度：泛化能力强，训练样本集准确率高，测试样本集准确率高
欠拟合原因：训练样本数量少、模型复杂度过低、参数还未收敛就停止循环
欠拟合的解决办法：增加样本数量、增加模型参数，提高模型复杂度、增加循环次数、查看是否是学习率过高导致模型无法收敛
过拟合原因：、数据噪声太大、特征太多、模型太复杂
过拟合的解决办法：清洗数据、减少模型参数，降低模型复杂度、增加惩罚因子（正则化），保留所有的特征，但是减少参数的大小（magnitude）
资源下载
下载价格免费
请先 ！