# 过拟合

> 模型在训练数据上表现太好（记住了每一个噪点），以至于失去了泛化能力，在面对新数据时表现极差。

- ID: m01755
- 分类: technical
- 领域: 数据科学

## 定义

模型在训练数据上表现太好（记住了每一个噪点），以至于失去了泛化能力，在面对新数据时表现极差。因为它学到了“特例”，没学到“规律”。脚手架作用：- 经验主义陷阱：不要把你某一次成功的特定条件（如2010年买房致富）当成普遍规律。那可能只是“过拟合”了当年的行情。面对新环境，要保留一定的“模糊度”和适应性。

## 机制

模型在训练集上把噪声当规律学得太死，导致在新数据上表现骤降，核心矛盾是『拟合』与『泛化』的张力。

## 练习

1) 划分训练/验证/测试集；2) 监控验证误差而非训练误差；3) 用正则化、 dropout、早停抑制；4) 增大多样训练数据。

## 脚手架用法

- 经验主义陷阱：不要把你某一次成功的特定条件（如2010年买房致富）当成普遍规律。那可能只是“过拟合”了当年的行情。面对新环境，要保留一定的“模糊度”和适应性。

[阅读网页](https://thinkingmodels.site/entries/detail/m01755)