参考回答：
1）．在训练和建立模型的时候，从相对简单的模型开始，不要一开始就把特征做的非常多，模型参数跳的非常复杂。
2）．增加样本，要覆盖全部的数据类型。数据经过清洗之后再进行模型训练，防止噪声数据干扰模型。
3）．正则化。在模型算法中添加惩罚函数来防止过拟合。常见的有L1，L2正则化。
4）．集成学习方法bagging(如随机森林）能有效防止过拟合
5）．减少特征个数(不是太推荐)注意：降维不能解决过拟合。降维只是减小了特征的维度，并没有减小特征所有的信息。
参考回答：
1）．在训练和建立模型的时候，从相对简单的模型开始，不要一开始就把特征做的非常多，模型参数跳的非常复杂。
2）．增加样本，要覆盖全部的数据类型。数据经过清洗之后再进行模型训练，防止噪声数据干扰模型。
3）．正则化。在模型算法中添加惩罚函数来防止过拟合。常见的有L1，L2正则化。
4）．集成学习方法bagging(如随机森林）能有效防止过拟合
5）．减少特征个数(不是太推荐)注意：降维不能解决过拟合。降维只是减小了特征的维度，并没有减小特征所有的信息。
名师互学网 版权所有 (c)2021-2022 ICP备案号：晋ICP备2021003244-6号
