熱線電話：13121318867

登錄
首頁大數據時代欠擬合產生的原因有哪些？應該如何解決？
欠擬合產生的原因有哪些？應該如何解決？
2020-07-23
收藏

對于機器學習或者是深度學習模型來說，我們既希望這個模型能在訓練數據中表現良好(訓練誤差)，又希望這個模型在測試集中也能有良好的表現(泛化誤差)。而過擬合和欠擬合就是用來描述泛化誤差的。欠擬合問題與過擬合問題，一直是模型訓練中的難題，我們常常需要對這二者進行權衡，今天小編給大家整理、分享的就是欠擬合問題產生的原因以及解決辦法，希望對大家有所幫助。

一、什么是欠擬合

欠擬合underfiting / high bias，就是指模型不能在訓練集上獲得足夠低的誤差，在訓練集、驗證集以及測試集上均表現不佳的情況。用偏差和方差來解釋就是，欠擬合的時候為高偏差(偏差描述的是模型的期望輸出與真實輸出之間的差異)。

出現欠擬合的原因是模型尚未學習到數據的真實結構。因此欠擬合可以簡單理解為：模型對訓練數據的信息提取不充分，并沒有學習到數據背后的規律，導致模型應用在測試集上時，無法做出正確的判斷。

欠擬合，模型擬合程度不高，數據距離擬合曲線較遠，不能夠很好地擬合數據。

圖中第一個模型欠擬合，無法學習到數據的有效特征

二、欠擬合解決辦法

1、做特征工程，添加其他特征項，有時候欠擬合出現的原因是：特征項不夠，沒有足夠的信息支持模型做判斷。這時候我們可以通過添加其他特征項來解決。例如，“組合”、“泛化”、“相關性”、“上下文特征”、“平臺特征”等等，都能夠作為特征添加的首選項。

2、添加多項式特征，這種做法在機器學習算法里面很常用，舉個例子，比如將線性模型通過添加二次項或者三次項使模型泛化能力更強。

3、減少正則化參數，正則化的目標是：防止過擬合的，現在模型是欠擬合，就需要減少正則化參數。

4、增加模型復雜度。模型如果太簡單，就不能應對復雜的任務。我們可以通過使用更加復雜的模型，來減小正則化系數。比如可以使用核函數，集成學習方法(集成學習方法boosting(如GBDT)能有效解決high bias)，深度學習等。

以上就是小編今天跟大家分享的一些欠擬合的相關知識，希望對大家處理和解決欠擬合問題有所幫助。其他機器學習和深度學習的知識，小編也會繼續整理，希望大家多多關注。


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

欠擬合 特征 偏差 過擬合 深度學習 機器學習 集成學習 泛化能力

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇正則化---提高深度學習模型的泛化能力
下一篇過擬合是如何產生的？有什么好的解決方法？
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢