欠拟合与过拟合
欠拟合 Underfit
在训练数据和未知数据上表现都很差，高偏差。
解决方法：
1）添加其他特征项，有时候我们模型出现欠拟合的时候是因为特征项不够导致的，可以添加其他特征项来很好地解决。例如，“组合”、“泛化”、“相关性”三类特征是特征添加的重要手段。除上面的特征之外，“上下文特征”、“平台特征”等等，都可以作为特征添加的首选项。
2）添加多项式特征，例如将线性模型通过添加二次项或者三次项使模型泛化能力更强。例如上面的图片的例子。
3）减少正则化参数，正则化的目的是用来防止过拟合的，但是现在模型出现了欠拟合，则需要减少正则化参数。
过拟合 Overfit
在训练数据上表现良好，在未知数据上表现差。高方差。
通俗一点地来说过拟合就是模型把数据学习的太彻底，以至于把噪声数据的特征也学习到了，这样就会导致在后期测试的时候不能够很好地识别数据，即不能正确的分类，模型泛化能力太差。
文章前面的图表示size和prize的关系，过拟合学习到的模型曲线如右图所示，虽然在训练的时候模型可以很好地匹配数据，但是很显然过度扭曲了曲线，不是真实的size与prize曲线。
解决方法：
1）重新清洗数据，导致过拟合的一个原因也有可能是数据不纯导致的，如果出现了过拟合就需要我们重新清洗数据。
2）增大数据的训练量，还有一个原因就是我们用于训练的数据量太小导致的，训练数据占总数据的比例过小。
3）采用正则化方法 ：
正则化方法包括L0正则、L1正则和L2正则，而正则一般是在目标函数之后加上对余的范数。但是在机器学习中一般使用L2正则。
- L1范数是指向量中各个元素绝对值之和，也叫“稀疏规则算子”（Lasso regularization）。
- L2范数是指向量各元素的平方和然后求平方根。
L2正则项起到使得参数w变小加剧的效果，但是为什么可以防止过拟合呢？一个通俗的理解便是：更小的参数值w意味着模型的复杂度更低，对训练数据的拟合刚刚好（奥卡姆剃刀），不会过分拟合训练数据，从而使得不会过拟合，以提高模型的泛化能力。
4）采用dropout方法。这个方法在神经网络里面很常用。dropout方法是ImageNet中提出的一种方法，通俗一点讲就是dropout方法在训练的时候让神经元以一定的概率不工作。
【总结】模型过拟合说到底还是因为数据跟模型的参数不匹配，所以防止模型过拟合的方法大概可以分为四大类：数据方面、模型方面、损失函数、训练技巧方面。
- 数据方面：准备大量的数据，还可以用数据增强的方式产生大量数据；
- 模型方面：(1)设计合适的模型，(2)选择预训练模型进行微调；(3)在模型的中间使用BN层；(4)在模型的fc层处使用dropout；
- 损失函数方面：通过在损失函数上添加正则项，要控制w的快速衰减，所以有L1、L2正则的方法；
- 训练技巧方面：(1)因为在训练时，训练误差是一直减小的，而测试误差是先减小再增大，所以在合适的时间(测试误差最小)停止训练；(2)bagging和其他集成方法
[附] 【后续来优化完善】
验证曲线诊断过拟合和欠拟合
通过验证曲线判定过拟合与欠拟合。
验证曲线是一种通过定位过拟合与欠拟合等诸多问题的方法，帮助提高模型性能的有效工具。
验证曲线绘制的是准确率与模型参数之间的关系。
- from sklearn.model_selection import learning_curve #加载学习曲线
- from sklearn.model_selection import validation_curve #加载验证曲线
- learning_curve()：这个函数主要是用来判断（可视化）模型是否过拟合的。
- validation_curve()：这个函数主要是用来查看在参数不同的取值下模型的性能
