過學習

什麼是過學習？

過學習（overfitting）問題是指學習機器的訓練誤差過小，反而導致泛化能力下降，這是由於學習樣本不充分以及學習機器設計不合理而引起的。overfitting，即過度擬合。

過學習問題出現的原因

一般採用比較複雜的結構來構造的分類器，由於其學習能力強，超出了實際問題的需要，使學習機制對樣本過度擬合，甚至將樣本中的噪聲都學習到，從而導致分類器容易出現過學習現象。

過學習現象的條件

採用的分類器學習能力過強，結構過於複雜；
訓練分類器的樣本過少，各類樣本數量不平衡。

過學習問題的解決辦法

統計學習理論，在結構和經驗風險之間求優。