由于我是数据科学的新手，我只想知道是否有任何特定的数据行为会导致过度拟合和/或拟合不足？因为如果我们处理线性回归，我们应该通过梯度下降得到最佳拟合线。现在，我们如何才能得到过度拟合或拟合不足？我知道什么是过拟合和欠拟合，但问题是，当你已经应用梯度下降来获得最佳拟合线时，怎么可能呢。顺便说一句，我希望我的问题能向所有人澄清。
谢谢和问候。
数据中样本数量较少可能是模型过度拟合的主要原因。即使你的模型很简单，数据样本中较小的方差(或变化(也会让模型学会"只"对这些样本表现良好，而且可能不会很好地泛化。
我们可以通过查看特征数量、训练误差以及测试误差来检测线性模型上的过拟合。
如果模型过拟合：
1。为训练提供了足够的数据，即用于训练的更多特征
2.训练误差比测试误差小得多。
如果模型不合适：
1。为训练提供的数据较少，即用于训练的特征数量较少
2.测试误差比训练误差小得多。
使用渐变下降是一个不错的选择。但它可能会导致过度拟合，并在实际生活数据上失败。
希望这能有所帮助。