第36-38集：模型选择与过拟合调参方法论三连 🎯

36 · 03:20

引导：10行代码

37 · 18:37

模型选择

38 · 16:47

过拟合/欠拟合

38 / 191

进度 19.9%

⚡ 第36集：10行代码战胜90%数据科学家？模板化思想

🧰 模板思维

训练/评估流程写成模板，换任务只改模型定义——高效实战的秘密

📊 现实残酷

调参实验占数据科学工作大头，剩余时间才用来提点数

训练误差 ≠ 泛化误差（只优化前者 → 过拟合陷阱）

🔁 K 折交叉验证

数据少时：切 K 份轮流当验证集取平均（K 常取 5 或 10）

💰 成本权衡

K 折 = 训练 K 次，准但贵；深度学习数据多时可直接留验证集

📦 模型容量

由参数个数+参数取值范围决定；容量低→欠拟合，容量高→过拟合

📉 数据复杂度

样本数、特征维度、类别数；数据越复杂需要容量越大的模型