过拟合：指模型对于训练数据你和呈现过当情况。反映到评估指标上，就是模型在训练上的表现很好，但是在测试集和训练集上表现较差

降低过拟合风险的方法：

1、从数据入口，获取更多的数据

2、降低模型复杂度

3、正则化法

4、集成学习法

欠拟合：之模型在训练和与测试时表现都不好

降低欠拟合风险的方法：

1、添加新特征

2、增加模型复杂度

3、减少正则化系数

# 机器学习 # 深度学习
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

深度观察：从静态路牌到智能交互，城市导视系统的三次进化

在过去的三十年里，城市导视系统经历了三次革命性的进化，从最初的静态路牌，到数字化电子屏，再到如今能够主动交互、智能指引的指路机器人，每一次进化都深刻改变着我们与城市的互动方式。更重要的是，电子导视系统只是解决了 "信息展示" 的问题，并没有解决 "指引" 的问题。这种 "看的时候明白，走的时候糊涂" 的现象，成为了 2.0 时代导视系统最大的痛点。在技术创新和政策支持的双重驱动下，中国的智慧导视产

avatar DAMO开发者矩阵
cover

首次用AI Agent的思路来研究VLN，实现3B小模型端侧实时部署

avatar DAMO开发者矩阵

【论文阅读】Code as Policies: Language Model Programs for Embodied Control

本文利用大语言模型（LLM）根据自然语言指令直接生成Python代码作为机器人的控制策略，从而让机器人具备处理复杂任务、空间推理和泛化新指令的能力。

avatar DAMO开发者矩阵