算法收敛以及算法拟合相关笔记
首先要了解什么是算法：算法可以理解为一系列解决问题的一般步骤，例如想烹饪一种菜，而食谱有制作菜的步骤，只要步骤正确，每个人都可以按照食谱做菜，因此可以认为食谱就是你想烹饪菜的算法，可以认为是将输入数据转化为输出结果。
算法收敛指经过一定迭代次数后，数值不在随迭代次数的增大而增大，而是无限趋近于某一定值，同时这也与此算法本身的性质相关，此算法是单峰值，还是多峰值，当是多峰值时可能会出现局部收敛的情况。收敛也可认为是预测值与真实值最接近的值（二者距离最小），但当出现多峰值时，可能只是局部收敛，而不是全局最优。
算法拟合是指寻找一个函数曲线，使得该曲线在某种设定的准则（可人为设定，也可用已有的准则，例如BPNN）与真实数据点最为接近，即曲线拟合的最好（即最小化损失函数）。
过拟合指模型复杂度高，可以直接记录，无需了解内部逻辑，这时对数据进行预测时就会不准（https://www.cnblogs.com/jqpy1994/p/9823232.html）
欠拟合则刚好相反，模型复杂度低，只能记录数据，而找不到其中的内在逻辑和规律。
过拟合、欠拟合对于模型来说都是不完美的。
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！