模型选择、欠拟合和过拟合

[yi_ren]

同感，而且感觉欠拟合那部分如果通过增加模型复杂度啥的，加入激活函数，非线性层应该也能学出来

[goudan-er]

“如果一个理论能拟合数据，且有具体的测试可以用来证明它是错误的，那么它就是好的”
没有理解这句话啥意思呢？

[smallphan.cn]

前面在定义 loss 时设定了 reduction = ‘none’，此时损失不会取平均，而是保留原来的形状

[nic_li]

对于np数组是不是无法直接通过load_array来读取，要先把np组转转成张量元组才能读取，np数组的size属性是个int。

这里判断的时候size返回的不是维度，size(0)会异常

[an_l]

d2l.train_epoch_ch3这个属性是没是没有了

[FishBoneEK]

训练数据可视化，红线是神经网络输出，蓝点是训练数据，绿点是测试数据

三阶多项式函数拟合(正常)

线性函数拟合(欠拟合)

这里神经网络实际上是用线性函数去拟合三阶多项式函数，很明显误差很大

高阶多项式函数拟合(过拟合)

从图里看不出来过拟合
不过可以推断，神经网络是在用高（非常高）阶多项式函数去拟合三阶多项式函数，因为高阶多项式函数有更丰富的曲线，所以应该是拟合噪音去了，导致过拟合

[LF_L]

我的为什么是这样？

[FossilLeeSZ]

因为这里用的测试集在训练集/验证集区间内，相当于用训练集去验证的模型，所以看不出来过拟合，需要把features取值范围变大才能看出来