文章目录

  • 一、数据生成
  • 二、正常拟合
    • 效果
    • 代码
  • 三、欠拟合
    • 效果
    • 代码
  • 四、过拟合
    • 效果
    • 代码

一、数据生成

#采用多项式回归测试欠拟合与过拟合
import numpy as np
import matplotlib.pyplot as plt#数据集生成
#数据集大小
start = 15
end = 85#x获取
x = np.arange(start,end+1).reshape(-1,1) #阶数
degree = 5
#1 x x^2 x^3 x^4
poly_degree_x = np.power(x,np.arange(degree))#多项式系数
w = np.array([3840000,-400000,14000,-200,1])#y值计算 向量点积(这儿是矩阵*向量)
y = np.dot(poly_degree_x,w)#扰动添加
y_r = y + np.random.normal(-20000,20000, size=y.shape)
x.shape,y.shape,y_r.shape

二、正常拟合

效果

代码

#过拟合 4次多项式
ret = np.polyfit(x.reshape(-1),y_r,4)
ret_poly = np.poly1d(ret)
ret_y = ret_poly(x.reshape(-1))
plt.plot(x,y,'*')
plt.plot(x,ret_y,'r')

三、欠拟合

效果

代码

#欠拟合 2次多项式
ret = np.polyfit(x.reshape(-1),y_r,2)
ret_poly = np.poly1d(ret)
ret_y = ret_poly(x.reshape(-1))
plt.plot(x,y,'*')
plt.plot(x,ret_y,'r')

四、过拟合

效果

代码

#过拟合 30次多项式
ret = np.polyfit(x.reshape(-1),y_r,30)
ret_poly = np.poly1d(ret)
ret_y = ret_poly(x.reshape(-1))
plt.plot(x,y,'*')
plt.plot(x,ret_y,'r')

4.3 欠拟合与过拟合相关推荐

  1. 机器学习概念 — 监督学习、无监督学习、半监督学习、强化学习、欠拟合、过拟合、后向传播、损失和优化函数、计算图、正向传播、反向传播

    1. 监督学习和无监督学习 监督学习 ( Supervised Learning ) 和无监督学习 ( Unsupervised Learning ) 是在机器学习中经常被提及的两个重要的学习方法. ...

  2. 机器学习中的欠拟合与过拟合

    1.偏差与方差 要理解欠拟合与过拟合,先得理解偏差与方差. 假设有一个模型f,f精确地描述了特征X与目标y的关系,但我们不知道f的具体的样子,因此我们通过一定量的训练样本来估计f,.当我们改变训练集( ...

  3. Machine Learning | (11) 回归性能评估与欠拟合、过拟合

    Machine Learning | 机器学习简介 Machine Learning | (1) Scikit-learn与特征工程 Machine Learning | (2) sklearn数据集 ...

  4. 斯坦福公开课3:欠拟合与过拟合

    欠拟合与过拟合(underfiting.overfiting) 欠拟合(举例:7个样本点用1次项假设拟合房屋价格和面积的关系,损失了2次成分) 过拟合(举例:7个样本点用6次项假设拟合房屋价格和面积的 ...

  5. 欠拟合、过拟合及其解决方法

    欠拟合.过拟合及其解决方法 参考文章: (1)欠拟合.过拟合及其解决方法 (2)https://www.cnblogs.com/alan666/p/8311809.html 备忘一下.

  6. python3中多项式创建_机器学习入门之机器学习之路:python 多项式特征生成PolynomialFeatures 欠拟合与过拟合...

    本文主要向大家介绍了机器学习入门之机器学习之路:python 多项式特征生成PolynomialFeatures  欠拟合与过拟合,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助. 分享 ...

  7. 机器学习回归算法—性能评估欠拟合与过拟合

    机器学习中的泛化,泛化即是,模型学习到的概念在它处于学习的过程中时模型没有遇见过的样本时候的表现.在机器学习领域中,当我们讨论一个机器学习模型学习和泛化的好坏时,我们通常使用术语:过拟合和欠拟合.我们 ...

  8. 过拟合解决方法python_欠拟合、过拟合及其解决方法

    在我们机器学习或者训练深度神经网络的时候经常会出现欠拟合和过拟合这两个问题,但是,一开始我们的模型往往是欠拟合的,也正是因为如此才有了优化的空间,我们需要不断的调整算法来使得模型的表达能拿更强.但是优 ...

  9. 偏差与方差,欠拟合与过拟合

    机器学习的核心在于使用学习算法建立模型,对已建立模型的质量的评价方法和指标不少,本文以准确率(也称为精度)或判定系数(Coefficient of Determination)作为性能指标对模型的偏差 ...

最新文章

  1. redis使用epoll
  2. 面试官:有了 for 循环 为什么还要 forEach ?
  3. 清除AD中残留的Exchange2003服务器信息
  4. django restfull centos6.5 x86_64 python2.7
  5. 【机器学习】粗糙集属性约简—Attribute Reduction
  6. mycat从0到成功进行分表操作
  7. 电池技术多年没有较大发展,成为移动设备最大制约
  8. 任意阶魔方阵matlab程序,【精品】任意阶魔方阵算法(c语言)
  9. sass 安装和使用
  10. Java代理系列-静态代理
  11. 关于Sa系列用户不能登录,只能本地windows身份验证的说明
  12. 自动登录Windows系统
  13. WS2812B 5050数据整理
  14. 上课笔记-指针(从百草园到三味书屋)
  15. 网站如何做seo优化
  16. Mac wifi 卡死
  17. RTK模块性能测试分析对比-GNSS实测- RTK板卡100赫兹延迟实测及分析
  18. shell wc (统计字符数量)的基本使用
  19. 计算机技术论文搜索引擎,搜索引擎-毕设论文.doc
  20. 1. emqx docker安装以及持久化配置

热门文章

  1. C# 通过拼音检索中文名称
  2. [zz]mysql 和 mongo db 语法对比
  3. py_文件操作_01
  4. HarmonyOS之常用组件ProgressBar的功能和使用
  5. 2013\Province_Java_A\1.世纪末的星期
  6. C / C++ 软件项目的目录结构
  7. 征战蓝桥 —— 2016年第七届 —— C/C++A组第3题——方格填数
  8. 【Linux系统编程】Linux进程调度
  9. 【Tools】VMware虚拟机三种网络模式详解和操作
  10. [Qt教程] 第30篇 XML(四)使用流读写XML