为什么会出现过拟合？
所谓的过拟合，就是模型在训练集上表现优异，但是其泛化能力差，在测试集以及实际环境中表现不好。
之所以出现过拟合，就是在训练模型的时候，掺杂了一些与目标相关性较弱的特征，这些特征扭曲了模型的参数，如果模型过分依赖这些特征，那么在实际环境中，这些无关参数可能导致预测出现极大的偏差。
举一个例子：所谓的“迷信”就是一种过拟合，无关的特征严重影响了动物对于结果的预测，比如“天上有流星坠落，地上就会有坏事发生”，流星坠落这个无关特征被过分强调，导致出现迷信，而事实上，如果你的数据集足够大，你就会发现，天上有没有流星坠落，地上总会有不好的事情发生，迷信的人则故意挑选了有流星坠落的数据集来训练模型。
如何防止过拟合？
既然了解了出现过拟合的原因，那么也就知道了如何解决过拟合。
我们只需要降低这些关联性较弱的特征在模型中的权重，就能有效纠正模型，这也就是所谓的正则化。如果把某一特征的权重降为0，那么其实就是删去了这一特征。所以删除一些特征，也能够改进过拟合。
为什么PCA不能有效处理过拟合
PCA的思想就是在尽可能保留更多特征的同时对特征进行压缩。
PCA的过程中，确实会丢掉一些特征，但是需要注意的是，丢弃的这些特征不一定是与目标值关联性较差的特征。
简而言之，PCA就是为了降维而不得不丢弃某些特征，但正则化则是有意识地丢弃了那些与目标值关联不大的特征。
标签：特征,模型,思考,拟合,PCA,流星,坠落 来源： https://www.cnblogs.com/yangxuanzhi/p/16252147.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。