AI问答

什么是欠拟合？用学习曲线定位原因与修复顺序

欠拟合表现为训练集和验证集都无法达到任务门槛。本文用学习曲线区分流程错误、模型容量不足和优化不足，并给出可回滚修复顺序。

发布：2025-02-18 更新：2026-09-13 编辑：兰塞 AI 编辑部阅读：503 次 B 级已核验 · 2026-09-13

本页目录

直接答案：欠拟合是模型连训练数据中的主要规律都没有学到，通常表现为训练指标和验证指标都低于预设门槛，而且两者差距不大。不要看到低分就立刻换大模型：先排查标签、特征流水线和指标，再逐步增加有效特征、容量或训练强度，每次保留对照和回滚点。

先用训练—验证组合判断

训练表现	验证表现	更可能的问题	下一步
差	差且接近	欠拟合或流水线错误	查标签/特征/指标，再增加学习能力
好	明显较差	过拟合、泄漏或分布差异	固定切分，查泄漏和泛化
都好且稳定	接近任务门槛	合理拟合	锁定测试集，进入独立验收
整体波动大	随切分大幅变化	样本不足或切分不稳	分组/时间切分并报告不确定性

确认标签没有反转、错位或大量缺失，指标与任务一致。类别不平衡时，只看准确率可能掩盖少数类完全失败；回归任务也要确认单位和缩放。

查看训练前后的样本数、缺失率、取值范围和特征方差。列名漂移、全部填零、错误归一化或文本被截断，都可能让模型看不到有效信号。

scikit-learn 的学习曲线用不同训练样本量记录训练与交叉验证分数。两条曲线都停在低水平，说明增加同类样本未必够；若验证分数仍随样本量上升，补代表性数据可能有效。

逐步改变树深、正则强度、特征数或网络宽度，只动一个主因素。训练和验证同时改善说明原容量可能不足；训练继续改善而验证转差，已经越过合理区。

学习率不合适、训练轮次太少、梯度或数值异常也会伪装成容量不足。先看损失曲线和停止原因，再决定是否增加轮次或改变优化器。

增加复杂度会提高训练能力，也可能快速转为过拟合。每一步都要保存数据版本、随机种子、参数、训练/验证结果和旧模型；没有对照的“大改一轮”不能说明是哪项措施有效。