理工酷

1.选择更简单的模型而不是更复杂的模型 一般来说，需要调优的参数越少越好。最好可以删除一个参数而不显著增加（样本外预测）误差。 2.交叉验证 找出样本外预测误差的标准方法是使用5倍交叉验证。在这种情况下，你可以尝试4倍交叉验证。使用18个数据点建立模型，然后对模型中遗漏的6个数据点进行误差评估。重复4次，每次使用6个不同的数据点，帮助你更好地拟合手头的数据。 3.正则化 正则化可以帮助惩罚某些过度拟合的来源。可以在线性模型中使用的一种常见方法是岭回归（也称为Tikhonov正则化）或LASSO，如果斜率的范数之和太高，你的模型将受到惩罚。 讲个故事 4.经验 许多模型最初的结果是错误的。有了经验，你可以对什么是错什么是对形成直觉，并能在共享或发布模型之前对其进行全面的测试。