会员服务
过拟合，在AI领域多指机器学习得到模型太过复杂，导致在训练集上表现很好，然而在测试集上却不尽人意。过拟合（over-fitting）也称为过学习，它的直观表现是算法在训练集上表现好，但在测试集上表现不好，泛化性能差。过拟合是在模型参数拟合过程中由于训练数据包含抽样误差，在训练时复杂的模型将抽样误差也进行了拟合导致的。
Looking Through Glass Box
Arxiv
0+阅读 · 3月6日
Beyond Accuracy: A Unified Random Matrix Theory Diagnostic Framework for Crash Classification Models
Arxiv
0+阅读 · 2月23日
NRGPT: An Energy-based Alternative for GPT
Arxiv
0+阅读 · 2月25日
Not Just What's There: Enabling CLIP to Comprehend Negated Visual Descriptions Without Fine-tuning
Arxiv
0+阅读 · 2月24日
C$^3$: Capturing Consensus with Contrastive Learning in Group Recommendation
Arxiv
0+阅读 · 2月25日
Beyond the Markovian Assumption: Robust Optimization via Fractional Weyl Integrals in Imbalanced Data
Arxiv
0+阅读 · 3月9日
Honesty in Causal Forests: When It Helps and When It Hurts
Arxiv
0+阅读 · 3月4日
LAD: Learning Advantage Distribution for Reasoning
Arxiv
0+阅读 · 2月23日
Directional Convergence, Benign Overfitting of Gradient Descent in leaky ReLU two-layer Neural Networks
Arxiv
0+阅读 · 2月10日
Toward Reliable Sim-to-Real Predictability for MoE-based Robust Quadrupedal Locomotion
Arxiv
0+阅读 · 2月10日
ProAPO: Progressively Automatic Prompt Optimization for Visual Classification
Arxiv
0+阅读 · 2月11日
Federated Ensemble Learning with Progressive Model Personalization
Arxiv
0+阅读 · 2月15日
ComPass: Contrastive Learning for Automated Patch Correctness Assessment in Program Repair
Arxiv
0+阅读 · 2月7日
To Grok Grokking: Provable Grokking in Ridge Regression
Arxiv
0+阅读 · 2月5日
Faithful Bi-Directional Model Steering via Distribution Matching and Distributed Interchange Interventions
Arxiv
0+阅读 · 2月5日
参考链接
微信扫码咨询专知VIP会员
Top