一位机器学习专家使用三年的交易和第三方元数据构建了一个信用评分模型，但发现训练集和测试集的准确率都很低。哪些措施可以提高模型准确率？（选择两项。）

当训练集和测试集准确率都低时，这通常表明模型欠拟合。增加现有数据的训练周期/轮次（epochs）可以让模型有更多机会学习数据中的模式，而更多的超参数调优有助于找到最佳模型配置，从而提高性能。添加新的领域特定特征可以为模型提供更多相关信息，帮助其更好地理解数据。切换到更复杂的模型架构（例如从线性模型转向神经网络）可以增加模型的容量，使其能够捕捉数据中更复杂的非线性关系。 减少正则化或增加特征组合数量通常用于解决过拟合问题，与当前欠拟合的情况不符。减少训练数据量或减少训练轮次会进一步加剧欠拟合。