ai智能識別，統(tǒng)計學，解決過擬合：如果有多個條件都可以同樣準確率識別，那么盡可能保留最簡單的，且備注，現(xiàn)有數(shù)據(jù)無法判斷這么多個獨立的條件哪些條件沒用。? 這些條件之間可能是and，or，或其他組合關(guān)系。

就像數(shù)學的多解問題，現(xiàn)有題目數(shù)據(jù)得出的就是多解。

如果題目變一變，實驗數(shù)據(jù)更多，或許能減少答案的數(shù)量，甚至找到唯一解。發(fā)現(xiàn)哪些條件沒用，哪些條件有用。

舉例，訓練數(shù)據(jù)里的人的圖像數(shù)據(jù)中，人總是拿著手機，ai發(fā)現(xiàn)如果有手機就一定能識別為人。所以ai認為手機就是人。

然后測試數(shù)據(jù)上，有很多人圖像沒有手機，ai就認為這些不是人的圖像，結(jié)果測試成功率不高。

解決辦法就是，當訓練集上ai發(fā)現(xiàn)先手機就能識別為人時，先做個記錄，然后不識別手機找其他條件去識別人的圖像，比如用手，腳，眼睛嘴巴等去識別為人。

最后做個列表記錄

? ? 1.用手機識別，成功率c1

? ? 2.用手識別，成功率c2

? ? 3.用眼睛識別，成功率c3

? ? 4.用嘴識別，成功率c4

? ? 5.等等。

手機，手，眼睛，嘴，的and or 所有組合成功率分別多少。

這就是多解。

最后測試集上用所有這些條件去分別識別。

當然最優(yōu)先用那個成功率最高的多個模型里最簡潔的模型去測試。

當然可能結(jié)果準確率有高有低。

這才是統(tǒng)計學和科學，猜想驗證。

如果想要一次訓練就找到唯一的且正確又簡潔的答案，解，模型，就需要很多很多訓練數(shù)據(jù)。