【推荐系统】欠拟合和过拟合是什么？

前言

在推荐系统学习的过程中经常遇到欠拟合和过拟合两个词&＃xff0c;一直不知道什么意思&＃xff0c;在此笔者阐述下&＃xff0c;请大家参考。

一、欠拟合和过拟合

      如上图所示&＃xff0c;在数据训练的过程中&＃xff0c;我们需要根据现有的数据训练出模型&＃xff0c;在数据训练的过程中一点点的调试参数&＃xff0c;调试出自认为相对较好的模型。这里模型可以认为是图中的实线&＃xff0c;通过实线的规律可以更好的预测用户下一个点的位置。

• 图1&＃xff0c;如果在训练的过程中数据特征不够&＃xff0c;或者训练数据量太少&＃xff0c;可能出现数据欠拟合的情况。数据欠拟合会导致预测的值不够准确。
• 图2&＃xff0c;一个正常拟合的情况&＃xff0c;虽然并不是所有的点都在实线上&＃xff0c;但是这个实线可以相对更好的预测出下一个点的位置。
• 图3是一个过拟合的场景&＃xff0c;对于这种场景&＃xff0c;可以通过减少特征数&＃xff0c;或者使用正则化&＃xff08;Regularization&＃xff09;方法 。正则化是指修改学习算法&＃xff0c;使其降低泛化误差而非训练误差。