overfitting

神经网络过拟合处理：原理与实践

一、过拟合概述1.1什么是过拟合过拟合(Overfitting)是指机器学习模型在训练数据上表现非常好，但在未见过的测试数据上表现较差的现象。

慕婉0307·2025-07-25 18:03

模型翻车元凶解剖：一文彻底搞懂欠拟合VS过拟合

在机器学习中，有一项非常重要的概念，那就是：过拟合（Overfitting）和欠拟合（Underfitting）。

·2025-06-12 22:05

正则化是什么？

正则化（Regularization）是机器学习中用于防止模型过拟合（Overfitting）的一种技术，通过在模型训练过程中引入额外的约束或惩罚项，降低模型的复杂度，从而提高其泛化能力（即在未见数据上的表现

点我头像干啥·2025-03-30 23:23

关于神经网络中的正则化

神经网络训练中的正则化正则化（Regularization）是神经网络训练中的一个关键技术，主要用于防止模型过拟合（overfitting），提高泛化能力。1.为什么需要正则化？

文弱_书生·2025-03-21 14:07

过拟合：机器学习中的“死记硬背”陷阱

在机器学习中，过拟合（Overfitting）是一个几乎每个从业者都会遇到的经典问题。它像一把双刃剑：当模型过于“聪明”时，可能会陷入对训练数据的过度依赖，从而失去处理新问题的能力。

彩旗工作室·2025-03-17 05:44

机器学习——正则化、欠拟合、过拟合、学习曲线

过拟合（overfitting）:模型只能拟合训练数据的状态。即过度训练。

代码的建筑师·2025-03-16 17:51

神经网络机器学习中说的过拟合是什么意思

在神经网络和机器学习中，过拟合（Overfitting）是指模型在训练数据上表现非常好，但在未见过的测试数据上表现较差的现象。

yuanpan·2025-03-13 10:46

【Address Overfitting】解决过拟合的三种方法

HP-Succinum·2025-03-04 05:24

【漫话机器学习系列】041.信息丢失（dropout）

信息丢失（Dropout）Dropout是一种广泛应用于神经网络训练中的正则化技术，旨在减少过拟合（overfitting），提高模型的泛化能力。

IT古董·2025-02-17 22:40

深度学习——模型过拟合和欠拟合的原因及解决方法

一、定义1.过拟合（Overfitting）过拟合是指模型在训练数据上表现非常好，但在测试数据或新的数据上表现很差的现象。模型过度地学习了训练数据中的细节和噪声，以至于它无法很好地泛化到未见过的数据。

发呆小天才O.o·2025-01-27 14:11

Kaggle Intro Model Validation and Underfitting and Overfitting

ModelValidationModelvalidationisthecornerstoneofensuringarobustandreliablemachinelearningmodel.It'stherigorousassessmentofhowwellyourmodelperformsonunseendata,mimickingreal-worldscenarios.Doneright,it

卢延吉·2024-02-12 03:52

Tensorflow高阶内容（五）- Deep Learning

高阶内容5.1Classification分类学习5.2什么是过拟合（Overfitting）5.3Dropout解决Overfitting5.4什么是卷积神经网络CNN(ConvolutionalNeuralNetwork

BingshengTian_Mamba·2024-01-26 10:15

【机器学习300问】17、什么是欠拟合和过拟合？怎么解决欠拟合与过拟合？

（2）过拟合的定义拟合（Overfitting）是指模型在训练集上表现很好，但

小oo呆·2024-01-25 07:21

李宏毅《机器学习深度学习》简要笔记（一）

上图所示：右上角的表格中分别体现了在train和test中的损失值大小，可以看出，从第三个模型开始，就呈过拟合（Overfitting）状态。二、分种类的训练模型当模型会根据种类不同而有较

AI小白龙*·2024-01-25 05:04

机器学习期末复习总结笔记（李航统计学习方法）

聚类风险PCA深度学习范数计算梯度下降与随机梯度下降SGD线性回归逻辑回归最大熵模型适用性讨论模型复杂度高—过拟合是什么：当模型复杂度越高，对训练集拟合程度越高，然而对新样本的泛化能力却下降了，此时出现overfitting

在半岛铁盒里·2024-01-24 01:01

深度学习记录--偏差/方差(bias/variance)

：偏差(bias)和方差(variance)偏差和误差的区别欠拟合(underfitting)当偏差(bias)过大时，如左图，拟合图像存在部分不符合值，称为欠拟合(underfitting)过拟合(overfitting

蹲家宅宅·2024-01-20 12:09

MATLAB Deep learning

文章目录Chapter1:MachineLearning存在的问题过拟合Overfitting解决过拟合regularizationandvalidationregularization正则化validation

JNU freshman·2024-01-16 09:37

3.4.1-欠拟合与过拟合（Bias and variance） + 相关解决方案

帅翰GG·2024-01-10 18:20

模型评估与选择

过拟合（overfitting）：学习器把训练样本学得太好了，很可能已经把·训练样本自身的一些特点当作了所有

c839e88a53e3·2024-01-08 21:11

2018-12-17过度拟合

欠拟合(underfitting)、高偏差(bias)过度拟合或过拟合(overfitting)、高方差(variance)线性回归示例1逻辑回归示例2当我们的假设函数的形式很难映射到数据的趋势时，不合适或者偏见很大

奈何qiao·2024-01-05 06:17

深度学习 | 常见问题及对策（过拟合、欠拟合、正则化）

1.2、宽度/深度1.3、过拟合Overfitting：模型在训练数据上表现良好，在测试数据上不佳泛化能力：训练后的模型应用到新的、未知

西皮呦·2023-12-28 22:36

机器学习之过拟合和欠拟合

过拟合概念过拟合（Overfitting）是机器学习中常见的问题之一，它指的是模型在训练数据上表现很好，但在未见过的新数据上表现较差的情况。

贾斯汀玛尔斯·2023-12-23 21:46

Ridge & Lasso Regression解决线性回归的过拟合（Overfitting）（基于波士顿房价预测）

目录介绍：1、过拟合2、Lassoregression3、Ridgeregression4、Lassoregression和Ridgeregression一定优于LinearRegression吗一、LinearRegression二、RidgeRegression三、LassoRegression四、RidgeRegression和LassoRegression五、对比三种回归的结果介绍：1、过

取名真难.·2023-12-20 05:42

ML Design Patterns——Useful Overfitting

ModelTrainingPatternsThereareseveralcommontrainingpatternsinmachinelearninganddeeplearningmodels.Someoftheseinclude:BatchTraining:Inbatchtraining,themodelistrainedonafixedbatchofdataatatime.Theparamet

卢延吉·2023-12-17 08:03

正则化方法：L1和L2、regularization、数据集扩增、dropout

正则化方法：防止过拟合、提高泛化能力在训练数据不够时，或者overtraining时，常常会导致overfitting（过拟合）。

遇见百分百·2023-12-04 05:21

Andrew Ng ML(4)——过拟合&正则化

overfitting(过拟合)特征过多会导致过拟合（或者说训练样本太少）线性回归中的过拟合逻辑回归中的过拟合Q：如何解决过拟合？

tmax·2023-12-04 02:50

[PyTorch][chapter 3][李宏毅深度学习-偏差,方差,过拟合,欠拟合]

通过本章掌握过拟合(overfitting)和欠拟合(underfitting)出现原因及解决方案.目录：1概述2方差,偏差现象3过拟合和欠拟合4模型选择5概率论回顾一概述如上图：红色空间：真实的数据和标签之间存在一个映射函数

明朝百晓生·2023-12-02 10:10

深度学习之基础知识详解（文末有福利）

过拟合，欠拟合过拟合（overfitting）：学习能力过强，以至于把训练样本所包含的不太一般的特性都学到了。欠拟合（underfitting）：学习能太差，训练样本的一般性质尚未学好。

I小码哥·2023-11-23 01:01

深度学习：欠拟合与过拟合

1.2模型过拟合AI模型的过拟合（Overfitting）是指模型在训练数据上表现出色，但在未见过的数据（如验证集或测试集）上表现不佳的情况。过拟合通常发生在模型学习了训练数据中的

智慧医疗探索者·2023-11-19 23:01

Masked Image Training for Generalizable Deep Image Denoising 论文阅读笔记

港科大（广州）发的一篇denoising的论文，作者里面有上海AILab的董超老师（看introduction的时候看到有一段很像董超老师Networksareslachingoff的论文的思想，说网络overfitting

ssf-yasuo·2023-11-12 18:52

循环神经网络、注意力机制、Seq2Seq、Transformer与卷积神经网络（打卡2）

我们将探究模型训练中经常出现的两类典型问题：一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）；另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting

机器小白猫·2023-11-11 10:12

欠拟合过拟合正则化-------吴恩达机器学习心得

欠拟合过拟合正则化模型训练过程中会出现“欠拟合”（Underfitting）“过拟合”(Overfitting)现象。

weixin_44102752·2023-11-10 17:33

吴恩达机器学习笔记--第三周-4.解决过拟合问题

week3-4.SolvingtheProblemofOverfitting一、TheProblemofOverfittingunderfitting=highbias；overfitting=highvariance

Loki97·2023-11-10 17:28

【机器学习】loss损失讨论

大纲验证集loss上升，准确率也上升（即将overfitting？）

noobiee·2023-10-30 06:31

李宏毅机器学习课程学习笔记-overfit

过拟合overfitting适宜的模型复杂性训练集/验证集/测试集N折交叉验证：用途一：模型选择用途二：模型评估两种用途的关系交叉验证与过拟合的关系总结交叉验证的使用方法参考概要本节针损失

闪闪发亮的小星星·2023-10-26 20:37

STEP-3：Pytorch-过拟合、欠拟合、梯度消失、梯度爆炸

过拟合与欠拟合模型训练中经常出现的两类典型问题：一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）；另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting

可恶小林子·2023-10-25 05:20

吴恩达机器学习笔记（五）正则化Regularization

正则化（regularization）过拟合问题（overfitting)Underfitting（欠拟合）–>highbias(高偏差)Overfitting（过拟合）–>highvariance(高方差

哇哈哈哈哈呀哇哈哈哈·2023-10-24 20:09

机器学习 | Python线性回归+Ridge正则化

正则化是一种用来防止机器学习模型过度拟合（overfitting）的技术。过拟合是指模型在训练数据上表现得非常好，但在未见过的数据上表现糟糕。

码农腾飞·2023-10-22 02:23

【Coursera-Machine Learning】自用2

DecisionBoundary4.CostFunction5.GradientDescent6.OptimizationAlgorithm7.Multi-ClassClassification:One-vs-all8.Overfitting9

STARLITSKY23822·2023-10-20 04:10

吃瓜教程-模型的评估与选择

学习能力过强，以至于把训练样本所包含的不太一般的特性都学到了，称为：过拟合（overfitting）。学习能太差，训练样本的一般性质尚未学好，称为：欠拟合（unde

fof920·2023-10-17 04:42

数据挖掘 - 分类

GenerativeModel判别模型DiscriminativeModel对比分类和预测分类算法决策树DecisionTree决策归纳树算法属性选择度量信息增益ID3增益率C45GiniIndex指标CART过拟合Overfitting

纫秋兰以为佩·2023-10-16 09:29

R²（决定系数）过度拟合（Overfitting）

为什么R²（决定系数）在金融领域越小越好，在物理化学越大越好？实际上，说R²（决定系数）在金融领域越小越好并不准确。R²是一个衡量模型解释数据变异性的指标，值越接近1，表示模型解释了更多的变异性，通常被认为是更好的模型。然而，不同领域和不同情境下，对R²的解释和重视程度会有所不同。###在物理或化学领域：在这些领域中，理论模型通常是基于严格的科学原理，如果实验数据能够很好地符合这些模型（即R²接近

OntheSnow·2023-10-08 06:49

tensorflow中的正则化函数在_TensorFlow 中的正则化方法

过拟合(overfitting)一般是指模型能够在训练数据集上得到越来越好的结果，但是在测试数据上的表现反而变差的现象，导致这种现象发生的原因一般是模型结果过于复杂，使得模型能够很好地描述训练数据，但是却丧失了泛化能力

韩韩慧子·2023-10-08 05:41

欠拟合和过拟合出现原因及解决方案

模型对训练集以外样本的预测能力就称为模型的泛化能力，追求这种泛化能力始终是机器学习的目标过拟合(overfitting)和欠拟合(underfitting)是导致模型泛化能力不高的两种常见原因，都是模型

zhhfan·2023-10-08 04:41

李沐《机器学习》42. 过拟合、欠拟合

如果训练误差很低，泛化误差很高，这就是overfitting过拟合。如果训练误差和泛化误差都很高，那么这就属于underfitting欠拟合。什么

菜园狸花喵·2023-10-05 18:18

DL-FWI 问题与技术

正则化技术：正则化技术可以帮助防止过拟合（overfitting），例如L1正则化、L2正则化等。它们可以在损失函数中添加额外的项，使得模型在优化

蓝子娃娃·2023-10-02 15:11

UniDrop：一种简单而有效的Transformer提升技术

尽管如此，过参数化（over-parameterization）和过拟合（overfitting）一直

zenRRan·2023-09-25 02:11

机器学习之泛化与过拟合的概念

文章目录泛化（Generalization）：过拟合（Overfitting）：例子泛化（Generalization）：泛化是指机器学习模型在未见过的新数据上表现良好的能力。

JNU freshman·2023-09-24 18:34

机器学习之正则化与验证提高模型泛化

让我详细介绍一下这两个概念：正则化（Regularization）：正则化是一种用于防止机器学习模型过拟合（Overfitting）的技术。