來自：http://blog.csdn.net/fengzhe0411/article/details/7165549

最近幾天在看模式識別方面的資料，多次遇到“overfitting”這個概念，最終覺得以下解釋比較容易接受，就拿出來分享下。

?

overfittingt是這樣一種現象：一個假設在訓練數據上能夠獲得比其他假設更好的擬合，但是在訓練數據外的數據集上卻不能很好的擬合數據。此時我們就叫這個假設出現了overfitting的現象。出現這種現象的主要原因是訓練數據中存在噪音或者訓練數據太少。而解決overfit的方法主要有兩種：提前停止樹的增長或者對已經生成的樹按照一定的規則進行后剪枝。

?

百度中關于overfitting的標準定義：給定一個假設空間H，一個假設h屬于H，如果存在其他的假設h’屬于H,使得在訓練樣例上h的錯誤率比h’小，但在整個實例分布上h’比h的錯誤率小，那么就說假設h過度擬合訓練數據。

?

..........................

以下概念由本人摘自《數據挖掘-概念與技術》

P186 過分擬合 即在機器學習期間，它可能并入了訓練數據中的某些特殊的異常點，這些異常不在一般數據集中出現。

P212 由于規則可能過分擬合這些數據，因此這種評論是樂觀的。也就是說，規則可能在訓練數據上行能很好，但是在以后的數據上九不那么好。

?

............................

補充c4.5算法中的介紹 這個通俗易懂

決策樹為什么要剪枝？原因就是避免決策樹“過擬合”樣本。前面的算法生成的決策樹非常的詳細而龐大，每個屬性都被詳細地加以考慮，決策樹的樹葉節點所覆蓋的訓練樣本都是“純”的。因此用這個決策樹來對訓練樣本進行分類的話，你會發現對于訓練樣本而言，這個樹表現堪稱完美，它可以100%完美正確得對訓練樣本集中的樣本進行分類（因為決策樹本身就是100%完美擬合訓練樣本的產物）。但是，這會帶來一個問題，如果訓練樣本中包含了一些錯誤，按照前面的算法，這些錯誤也會100%一點不留得被決策樹學習了，這就是“過擬合”。C4.5的締造者昆蘭教授很早就發現了這個問題，他作過一個試驗，在某一個數據集中，過擬合的決策樹的錯誤率比一個經過簡化了的決策樹的錯誤率要高。那么現在的問題就來了，如何在原生的過擬合決策樹的基礎上，通過剪枝生成一個簡化了的決策樹？

?

最近在看TLD中的2bitBP特征，其中一個就提到了2bitBP能夠防止過擬合的特點，除此之外這種特征在跟蹤過程中還可以克服光照的影響，而且輸出只有4中編碼。屬于輕量級別的。

隨機森林的好處就是計算量很小，并且很精確。

轉載于:https://www.cnblogs.com/lxy2017/p/4037368.html

總結

以上是生活随笔為你收集整理的overfitting(过度拟合)的概念的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。