泛化与过拟合
教材《人工智能导论》2.5.1 · 已审核
通俗解释
拟合关注训练数据上的误差，泛化关注未见数据上的表现。模型过于复杂或数据不足时可能记住训练集细节，导致验证表现下降。
例子
训练轮次增加后训练误差继续下降，验证误差开始上升。
容易混淆
训练准确率继续上升，不一定意味着模型变得更有用。
检查理解
训练误差下降而验证误差上升，可能发生了什么？
查看参考答案
这通常提示模型在记住训练集细节而泛化变差；应检查数据泄漏、复杂度和正则化。
教材《人工智能导论》2.5.1 · 已审核
拟合关注训练数据上的误差，泛化关注未见数据上的表现。模型过于复杂或数据不足时可能记住训练集细节，导致验证表现下降。
训练轮次增加后训练误差继续下降，验证误差开始上升。
训练准确率继续上升，不一定意味着模型变得更有用。
训练误差下降而验证误差上升，可能发生了什么？
这通常提示模型在记住训练集细节而泛化变差；应检查数据泄漏、复杂度和正则化。