模型对训练数据拟合好，测试数据拟合差的现象，叫做
A: 欠拟合
B: 过拟合
C: 测试拟合
D: 训练拟合
A: 欠拟合
B: 过拟合
C: 测试拟合
D: 训练拟合
举一反三
- 中国大学MOOC: 模型对训练数据拟合好，测试数据拟合差的现象，叫做
- 如果一个模型在测试集上偏差很大，方差很小，则说明该模型（） A: 过拟合 B: 可能过拟合可能欠拟合 C: 刚好拟合 D: 欠拟合
- 过拟合是指模型的拟合曲线过于贴近训练数据的特征，但测试集上却较差。( )
- 关于过拟合和欠拟合的说法，错误的是() A: 过拟合是指模型可以很好的拟合训练样本,但是对训练样本的预测能力差。 B: 欠拟合是指模型不能很好的拟合训练样本,且对新数据的预测准确性也不好。 C: 可以用Precision、Recall、F1 、判断模型过/欠拟合。 D: 模型的过拟合和欠拟合是无法通过调整参数来改变的。
- 下面关于过拟合的原因中，错误的是哪个？ A: 样本太少会导致过拟合 B: 样本太多会导致过拟合 C: 模型太复杂会导致过拟合 D: 训练集中包含测试集样本，会导致过拟合