过适
网友科普
过适，又称过拟合，是统计学与机器学习中的术语，指模型因参数过多而过度适应训练数据，导致泛化能力下降的现象。其本质是模型复杂度超出数据信息量，可能捕捉噪声而非规律。该现象常发生在模型参数自由度较高或训练数据不足时，表现为训练误差低而测试误差高。与之相对的是拟合不足（乏适），即模型因参数过少无法捕捉数据的基本规律。应对方法包括交叉验证、提早停止以及使用信息量准则等，以平衡模型复杂度与预测性能。过适与乏适共同构成模型调适的核心问题，体现了统计学中偏差-方差权衡的逻辑。过适概念起源于统计学框架，后在机器学习领域扩展应用。相关技术如模型比较、最小最佳支持值等被提出，用以优化模型在未知数据中的表现能力。其...
问AI百科
百科AI智能，探索更多与"过适"相关的知识