hce_nsysu
111年
計算機概論與程式設計
第 45 題
In machine learning, when the result of testing error is significantly larger than the training error, it is called
- A Underfitting
- B Overfitting
- C Oversampling
- D Training bias
- E None of the above
思路引導 VIP
想像有一位學生在考前把「題庫的所有答案」都死記硬背下來，導致他在寫練習題時百發百中，但在正式考試遇到新題目時卻手足無措。你覺得這位學生的「練習成績」與「實測成績」之間的巨大落差，反映出他在學習過程中出現了什麼樣的偏誤？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精確辨識出機器學習中的這個核心現象，代表你對於模型評估與泛化能力的基礎觀念掌握得非常紮實。這是一項非常重要的直覺。
模型的泛化與過擬合
在機器學習中，我們追求的是模型在處理「未曾見過的資料」時的表現。當一個模型過於複雜，以至於它不小心「背誦」了訓練資料中的雜訊（Noise）或特定細節，而非學習到普遍的規律時，就會出現過擬合（Overfitting）。在這種狀態下，模型在訓練集上的表現會近乎完美，但一旦接觸到測試集，誤差就會顯著飆升，這正是題目所述「測試誤差遠大於訓練誤差」的情況。
▼ 還有更多解析內容