1. 什么是过拟合问题
所谓过拟合问题指的是使用训练样本进行训练时100%正确分类或规划，当使用测试样本时则不能正确分类和规划
2. 代码实战（模拟过拟合问题）
from __future__ import print_function from sklearn.learning_curve import learning_curve from sklearn.datasets import load_digits from sklearn.svm import SVC import matplotlib.pyplot as plt import numpy as np digits = load_digits() X = digits.data y = digits.target # 在0.1， 0.25， 0.5等的训练数据处取出训练损失和测试损失 train_sizes, train_loss, test_loss= learning_curve( SVC(gamma=0.01), X, y, cv=10, scoring=‘mean_squared_error‘, train_sizes=[0.1, 0.25, 0.5, 0.75, 1]) train_loss_mean = -np.mean(train_loss, axis=1) test_loss_mean = -np.mean(test_loss, axis=1) plt.plot(train_sizes, train_loss_mean, ‘o-‘, color="r", label="Training") plt.plot(train_sizes, test_loss_mean, ‘o-‘, color="g", label="Cross-validation") plt.xlabel("Training examples") plt.ylabel("Loss") plt.legend(loc="best") plt.show()
注意：当使用gramma=0.0001时没有过拟合问题； 当使用gramma=0.001时出现了过拟合问题
原文：https://www.cnblogs.com/liuzhiqaingxyz/p/9614458.html