过拟合的概念、原因与解决方法
哪些公司问过
答案要点
- 定义:训练集表现好,测试集或新数据表现差,泛化能力差
- 信号:训练损失持续下降而验证损失开始上升
- 原因:模型过于复杂、数据量不足或有噪声、训练过久、特征过多
- 解决:更多数据与数据增强、降低复杂度、L1/L2 正则化、Dropout、Early Stopping
- L1 使权重稀疏(特征选择),L2 使权重变小(权重衰减);交叉验证选择超参数
易错点
- 把过拟合说成模型训练得不够
- 只会说正则化,不提数据层面的方法
- 不知道用验证集判断
- 分不清 L1 与 L2 的效果
面试官常见追问
- L1 和 L2 正则化有什么区别?
- 欠拟合是什么,怎么解决?
- Dropout 为什么能防止过拟合?
- 如何判断模型是否过拟合?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。