由于我是数据科学的新手，我只想知道是否有任何特定的数据行为导致过拟合和/或欠拟合？因为如果要处理线性回归，我们应该通过梯度下降得到最佳拟合线。现在，我们如何过拟合或欠拟合？我知道什么是过度拟合和不足拟合，但是问题是，当您已经应用梯度下降以获得最佳拟合线时，怎么可能。希望我的问题能被所有人解决。
感谢和问候。
答案 0 :(得分：0)
数据中样本数量少可能是模型过度拟合的主要原因。即使您的模型简单，数据样本中较少的方差（或变异）也可以使模型“仅”对这些样本学习良好的性能，并且可能无法很好地泛化。
答案 1 :(得分：0)
我们可以通过查看no来检测线性模型上的过度拟合。功能，训练错误以及测试错误的说明。
如果模型过拟合：
1.提供了足够的数据用于培训，即没有。用于训练的功能。
2.训练误差小于测试误差。
如果模型适合：
1.为培训提供的数据较少，即没有。用于训练的功能。
2.测试错误远小于训练错误。
使用“梯度下降”是一个不错的选择，但可能会导致“过度拟合”并导致真实数据失败。
希望这会有所帮助。