过拟合,在AI领域多指机器学习得到模型太过复杂,导致在训练集上表现很好,然而在测试集上却不尽人意。过拟合(over-fitting)也称为过学习,它的直观表现是算法在训练集上表现好,但在测试集上表现不好,泛化性能差。过拟合是在模型参数拟合过程中由于训练数据包含抽样误差,在训练时复杂的模型将抽样误差也进行了拟合导致的。
CIKM2022 | 深度CTR模型过拟合现象分析
机器学习与推荐算法
0+阅读 · 2022年10月18日
KDD'22 | GraphWorld 图的世界是啥样的?
图与推荐
0+阅读 · 2022年9月6日
如何用正则化防止模型过拟合?
PaperWeekly
0+阅读 · 2022年8月18日
CVPR 2022 | 元学习在图像回归任务的表现
PaperWeekly
1+阅读 · 2022年6月11日
CVPR 2022 | 子空间对抗训练
PaperWeekly
1+阅读 · 2022年5月31日
阿里巴巴稀疏模型训练引擎DeepRec
专知
0+阅读 · 2022年4月18日
WWW22 | 序列推荐: 纯MLP模型弯道超车CNN与Transformer
机器学习与推荐算法
0+阅读 · 2022年3月17日
超级干货 | 用万字文章总结25种正则化方法
极市平台
8+阅读 · 2022年3月11日
参考链接
子主题
微信扫码咨询专知VIP会员