xx2023-03-08 09:40:27
xx不懂这块老师对unlabeled不大会overfitting的解释
回答（1）
Essie2023-03-08 11:49:41
Essie你好，在监督学习中，数据是打过标签的，features是提前确定的，如果模型中feature的数量过多，那么就会导致模型建立的过于复杂，那么就会产生过拟合的问题。
在非监督学习中，数据没有打过标签，features也不是人为设定的，是机器自己去识别抓取的，比如说我们现在要解决聚类问题，那么算法本身就会抓取最明显的特征将数据进行聚类，所以一般不会抓取到特别极端特殊的feature，而且抓到的feature数量也不会过多，因此不太容易造成过拟合的问题。
如果我的回答有帮助到你的话，请点赞支持一下我们，加油哦；)
- 评论（0）
- 追问（0）
评论
0/1000
追答
0/1000
+上传图片