-2
A
回答
0
是的,它似乎过度拟合,但接下来可以做的是使用测试集(与您的火车和交叉验证集不同)你的模型如何概括这个看不见的数据。
相关问题
- 1. MATLAB曲线拟合,指数与线性
- 2. 数据库学习曲线?
- 3. 用MATLAB分段线性曲线拟合
- 4. (fluxus)学习曲线
- 5. Android学习曲线
- 6. Python机器学习准确性评分与意见
- 7. 关于学习曲线
- 8. OpenGL/Java学习曲线
- 9. Eclipse IDE学习曲线
- 10. REST API学习曲线
- 11. Magento开发学习曲线
- 12. 曲线拟合与Python
- 13. 拟合曲线与lsqcurvefit
- 14. 嘈杂的数据的学习曲线
- 15. 曲线拟合
- 16. 指数曲线拟合与python
- 17. 拟合曲线 - 拟合参数
- 18. scikit学习clf.fit /评分模型的准确性
- 19. 曲线拟合 - 数据集
- 20. JS指数曲线拟合
- 21. 学习扭曲
- 22. 迁移学习和线性分类
- 23. 曲线拟合scipy
- 24. scipy.optimize曲线拟合
- 25. Spotfire曲线拟合
- 26. python曲线拟合
- 27. Python曲线拟合
- 28. 如何在Azure机器学习上应用学习曲线
- 29. 什么是机器学习中的学习曲线?
- 30. Python scikit学习线性模型参数标准错误
是的,1.0 *的训练分数通常表示过度拟合。然而,很难检查这是怎么发生的,因为你没有告诉我们关于应用程序的任何信息。您是否使用训练集的数据进行测试?这种模式是否使得0.95+交叉验证不可信? – Prune