181****31272023-07-25 17:17:10
181****3127请问，为什么过度拟合，variance越大，我已经拟合的完全将真实数据连起来的情况下，那我所有的预测值之间的差距就不会太大呀，就是处于一个很稳定的状态，那么我的波动率不也应该是小的吗？
回答（1）
Tom2023-07-26 11:34:57
Tom同学您好~
逻辑是这样的，自变量如果多了的话，在数据集不变的情况下，通常能提高我们的预测能力，也就是说explanatory power上升了，bias变小了。但这是由于过拟合造成的，即模型只对本数据有效，换了数据的话，可能失效或是参数发生巨大变化，于是有了更大的方差，注意，这里的方差是针对参数估计值而言的。
过拟合是指模型在训练数据上过于优秀，但在未见数据上表现较差。也可以比喻为一个学生死记硬背了一本题库的答案，但当遇到新的题目时无法正确回答。这种情况下，模型对于训练数据中的噪声和细节过于敏感，从而失去原有作用的现象。
如果对回答满意，请给我点个【采纳】，祝您学习愉快~
- 评论（0）
- 追问（0）
评论
0/1000
追答
0/1000
+上传图片