让我们将其范围仅限于分类。
很明显，如果您完全长出没有正则化（例如最大深度、修剪）的决策树，它将过度拟合训练数据并获得完全精确到贝叶斯错误*。
这对所有非参数方法都适用吗？
*假设模型可以访问“正确”的特征。
非参数模型是否总是在没有正则化的情况下过拟合？
数据挖掘
机器学习
过拟合
正则化
偏见
非参数
2022-03-08 08:50:22
1个回答
否 - 非参数方法仅意味着该方法不采用数据的函数形式。有一些非参数方法，例如随机森林，并不总是过拟合。事实上，非参数方法可能欠拟合，它可能缺乏拟合训练数据的能力。这方面的一个例子是决策树桩。
其它你可能感兴趣的问题