成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
过拟合
关注
8
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。
综合
百科
VIP
热门
动态
论文
精华
A Careful Examination of Large Language Model Performance on Grade School Arithmetic
Arxiv
0+阅读 · 5月1日
CVTN: Cross Variable and Temporal Integration for Time Series Forecasting
Arxiv
0+阅读 · 4月29日
Infusion: Preventing Customized Text-to-Image Diffusion from Overfitting
Arxiv
0+阅读 · 4月22日
A survey on robustness in trajectory prediction for autonomous vehicles
Arxiv
0+阅读 · 4月20日
Effective Decision Boundary Learning for Class Incremental Learning
Arxiv
0+阅读 · 4月23日
VC Theory for Inventory Policies
Arxiv
0+阅读 · 4月17日
Class-Incremental Few-Shot Event Detection
Arxiv
0+阅读 · 4月2日
Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning
Arxiv
0+阅读 · 4月4日
SGV3D:Towards Scenario Generalization for Vision-based Roadside 3D Object Detection
Arxiv
0+阅读 · 4月9日
Pre-trained Vision and Language Transformers Are Few-Shot Incremental Learners
Arxiv
0+阅读 · 4月2日
Coarse-to-Fine Latent Diffusion for Pose-Guided Person Image Synthesis
Arxiv
0+阅读 · 4月9日
Temporal Aggregation for the Synthetic Control Method
Arxiv
0+阅读 · 4月15日
SoK: Unintended Interactions among Machine Learning Defenses and Risks
Arxiv
0+阅读 · 4月4日
Multi-Agent Diagnostics for Robustness via Illuminated Diversity
Arxiv
0+阅读 · 3月28日
Overfitting Reduction in Convex Regression
Arxiv
0+阅读 · 4月15日
参考链接
子主题
标签平滑
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top