次数=1 · 低次
次数=3 · 中次
次数=12 · 高次
训练集 vs 验证集 损失曲线
模型复杂度 & 正则化
当前结果
训练 MSE
--
验证 MSE
--
参数 L2 范数
--
步数
0
训练控制
为什么越复杂不一定越好？
左图线太直——欠拟合。
右图完美穿过每个训练点——过拟合，验证集上反而差。
中间刚刚好。
L2 正则化 惩罚大的参数值，限制模型"发疯"。
左图线太直——欠拟合。
右图完美穿过每个训练点——过拟合，验证集上反而差。
中间刚刚好。
L2 正则化 惩罚大的参数值，限制模型"发疯"。