模型评估_过拟合和欠拟合
[TOC]
过拟合和欠拟合
过拟合
是指模型对于训练数据拟合呈过当的情况,反映到评估指标上,就是模型在训练集上的表现很好,但在测试集和新数据上的表现较差。
欠拟合
指的是模型在训练和预测时表现都不好的情况。下图形象地描述了过拟合和欠拟合的区别。
降低过拟合
数据入手
,获得更多的训练数据。使用更多的训练数据是解决过拟合问题最有效的手段,因为更多的样本能够让模型学习到更多更有效的特征,减小噪声的影响。当然,直接增加实验数据一般是很困难的,但是可以通过一定的规则来扩充训练数据。比如, 在图像分类的问题上,可以通过图像的平移、旋转、缩放等方式扩 充数据;更进一步地,可以使用生成式对抗网络来合成大量的新训练数据。
降低模型复杂度
。在数据较少时,模型过于复杂是产生过拟合的主要因素,适当降低模型复杂度可以避免模型拟合过多的采样噪声。 例如,在神经网络模型中减少网络层数、神经元个数等;在决策树模型中降低树的深度、进行剪枝等。
正则化方法
。给模型的参数加上一定的正则约束,比如将权值的大小加入到损失函数中。以正则化为例:这样,在优化原来的目标函数的同时,也能避免权值过大带来的过拟合风险。
集成学习方法
。集成学习是把多个模型集成在一起,来降低单一模型的过拟合风险,如Bagging方法。
降低欠拟合
添加新特征
。当特征不足或者现有特征与样本标签的相关性不强时,模型容易出现欠拟合。通过挖掘“上下文特征”“ID类特征”“组合特征”等新的特征,往往能够取得更好的效果。在深度学习潮流中, 有很多模型可以帮助完成特征工程,如因子分解机、梯度提升决策树、 Deep-crossing等都可以成为丰富特征的方法。
增加模型复杂度
。简单模型的学习能力较差,通过增加模型的复杂度可以使模型拥有更强的拟合能力。例如,在线性模型中添加高欠项,在神经网络模型中增加网络层数或神经元个数等。
减小正则化系数
。正则化是用来防止过拟合的,但当模型出现欠拟合现象时,则需要有针对性地减小正则化系数。
Last updated