使用模型时尽量使用简单的模型。从简单的模型开始做起。
2 避免抽样偏差
所谓抽样偏差，是指训练数据集和测试数据集不是由同一个分布产生的。
比如验证集是从训练集中随机取一部分得到的，但是测试集却是时间轴靠后的数据，这样即使在验证集上做的很好，测试的时候却可能没那么好。
VC理论中，一个前提就是训练集和测试集要来源于同一个分布。因此抽样偏差将导致VC理论失效：
因此我们实际中要尽量使我们的训练集与测试集的分布接近。
3 避免数据窥探
相关文章：
相似解决方案
热门标签
使用模型时尽量使用简单的模型。从简单的模型开始做起。
所谓抽样偏差，是指训练数据集和测试数据集不是由同一个分布产生的。
比如验证集是从训练集中随机取一部分得到的，但是测试集却是时间轴靠后的数据，这样即使在验证集上做的很好，测试的时候却可能没那么好。
VC理论中，一个前提就是训练集和测试集要来源于同一个分布。因此抽样偏差将导致VC理论失效：
因此我们实际中要尽量使我们的训练集与测试集的分布接近。
相关文章：