在统计学中，过适是指过于紧密或精确地匹配特定资料集，以致于无法良好地拟合其他资料或预测未来的观察结果的现象。过拟合模型指的是相较有限的数据而言，参数过多或者结构过于复杂的统计模型。发生过拟合时，模型的偏差小而方差大。过拟合的本质是训练算法从统计噪声中不自觉获取了信息并表达在了模型结构的参数当中。相较用于训练的资料总量来说，一个模型只要结构足够复杂或参数足够多，就总是可以完美地适应资料的。过适一般可以视为违反奥卡姆剃刀原则。
在统计学中，过适是指过于紧密或精确地匹配特定资料集，以致于无法良好地拟合其他资料或预测未来的观察结果的现象。过拟合模型指的是相较有限的数据而言，参数过多或者结构过于复杂的统计模型。发生过拟合时，模型的偏差小而方差大。过拟合的本质是训练算法从统计噪声中不自觉获取了信息并表达在了模型结构的参数当中。相较用于训练的资料总量来说，一个模型只要结构足够复杂或参数足够多，就总是可以完美地适应资料的。过适一般可以视为违反奥卡姆剃刀原则。
在统计学中，过适是指过于紧密或精确地匹配特定资料集，以致于无法良好地拟合其他资料或预测未来的观察结果的现象。过拟合模型指的是相较有限的数据而言，参数过多或者结构过于复杂的统计模型。发生过拟合时，模型的偏差小而方差大。过拟合的本质是训练算法从统计噪声中不自觉获取了信息并表达在了模型结构的参数当中。相较用于训练的资料总量来说，一个模型只要结构足够复杂或参数足够多，就总是可以完美地适应资料的。过适一般可以视为违反奥卡姆剃刀原则。
在统计学中，过适是指过于紧密或精确地匹配特定资料集，以致于无法良好地拟合其他资料或预测未来的观察结果的现象。过拟合模型指的是相较有限的数据而言，参数过多或者结构过于复杂的统计模型。发生过拟合时，模型的偏差小而方差大。过拟合的本质是训练算法从统计噪声中不自觉获取了信息并表达在了模型结构的参数当中。相较用于训练的资料总量来说，一个模型只要结构足够复杂或参数足够多，就总是可以完美地适应资料的。过适一般可以视为违反奥卡姆剃刀原则。
在统计学中，过适是指过于紧密或精确地匹配特定资料集，以致于无法良好地拟合其他资料或预测未来的观察结果的现象。过拟合模型指的是相较有限的数据而言，参数过多或者结构过于复杂的统计模型。发生过拟合时，模型的偏差小而方差大。过拟合的本质是训练算法从统计噪声中不自觉获取了信息并表达在了模型结构的参数当中。相较用于训练的资料总量来说，一个模型只要结构足够复杂或参数足够多，就总是可以完美地适应资料的。过适一般可以视为违反奥卡姆剃刀原则。
Mini wiki
