machine-learning - 为什么我们可能会在没有正则化的情况下变得欠拟合？

Question

在这个文章中作者说

...如果不应用正则化，我们也会面临拟合不足的风险...

为什么我们可能会在没有正则化的情况下变得欠拟合？正则化“使”网络更简单，以避免过度拟合而不是欠拟合。所以，如果我们没有正则化，它不会导致欠拟合。

Answer 1

当我们的模型过度拟合时，我们需要正则化，即我们的训练准确度大大高于我们的测试准确度。

当我们的模型欠拟合时，我们需要增加模型的复杂性（例如，通过添加新特征）。

因此，正则化不是解决欠拟合的方法，这就是作者要说的。