百面机器学习 #2 模型评估：07 过拟合和欠拟合及其常用解决方法

如何有效地识别“过拟合”和“欠拟合”现象，并有针对性地进行模型调整，是不断改进机器学习模型的关键。

过拟合 模型对于训练数据拟合呈过当的情况反映到评估指标上，就是模型在训练集上的表现很好，但在测试集和新数据上的表现较差模型过于复杂，容易把噪声数据的特征也学习到模型中，导致模型泛化能力下降，在后期应用过程中很容易输出错误的预测结果 欠拟合 模型在训练和预测时表现都不好的情况没有很好地捕捉到数据的特征，不能够很好地拟合数据

7.1 降低“过拟合”风险的方法

（1）获得更多的训练数据

使用更多的训练数据是解决过拟合问题最有效的手段 因为更多的样本能够让模型学习到更多更有效的特征，减小噪声的影响 直接增加实验数据一般是很困难的，可以通过一定的规则来扩充训练数据 在图像分类的问题上，可以通过图像的平移、旋转、缩放等方式扩充数据更进一步地，可以使用生成式对抗网络来合成大量的新训练数据

（2）降低模型复杂度

在数据较少时，模型过于复杂是产生过拟合的主要因素，适当降低模型复杂度可以避免模型拟合过多的采样噪声。 在神经网络模型中减少网络层数、神经元个数等在决策树模型中降低树的深度、进行剪枝等

（3）正则化方法

给模型的参数加上一定的正则约束，比如将权值的大小加入到损失函数中

以L2正则化为例，这样，在优化原来的目标函数C0的同时，也能避免权值过大带来的过拟合风险

C=C0+λ2n⋅∑iwi2C=C_0+\frac{\lambda}{2n}\cdot\sum_iw_i^2 C=C0​+2nλ​⋅i∑​wi2​

（4）集成学习方法

把多个模型集成在一起，来降低单一模型的过拟合风险 如Bagging方法

7.2 降低“欠拟合”风险的方法

（1）添加新特征

当特征不足或者现有特征与样本标签的相关性不强时，模型容易出现欠拟合通过挖掘“上下文特征”“ID类特征”“组合特征”等新的特征，往往能够取得更好的效果 如因子分解机、梯度提升决策树、Deep-crossing等都可以成为丰富特征的方法

（2）增加模型复杂度

增加模型的复杂度可以使模型拥有更强的拟合能力 在线性模型中添加高次项在神经网络模型中增加网络层数或神经元个数等

（3）减小正则化系数

正则化是用来防止过拟合的，但当模型出现欠拟合现象时，则需要有针对性地减小正则化系数。