欠擬合是什麼

欠擬合是機器學習中的一箇重要概念，指的是模型在訓練數據上的表現不佳，無法有效地學習到數據中的關鍵模式和信息。

欠擬合的模型通常無法準確地預測數據集中的細節和複雜關係，這可能是因爲模型容量不足，或者是因爲模型過於簡單，無法捕獲數據中的所有重要特徵。欠擬合會導致模型在訓練集、驗證集和測試集上的表現均不理想，相比之下，過擬合則是模型在訓練數據上表現很好，但在新數據上表現較差，即泛化能力不強。

解決欠擬合的方法包括增加模型複雜度、減少特徵、正則化、採用集成方法等。