你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
输入关键字进行搜索
搜索:
没有找到相关结果
YJango - 在日研究生,人工智能专业
赞同来自: caffe 、月光里的阳光ysu 、ersanqiao 、leemak 、Hzzone
要回复问题请先登录或注册
1 个回复
YJango - 在日研究生,人工智能专业
赞同来自: caffe 、月光里的阳光ysu 、ersanqiao 、leemak 、Hzzone
参数可以调节模型强弱。
过拟合就是模型相对于任务而言过于powerful,甚至于连训练数据中的noise都能学习进去,造成了普遍性差,在今后的测试数据中预测效果不理想。和train loss与validation loss的关系是,train loss不断下降,validation loss却不断增加。
克服思路:
不让模型过分学习训练数据的pattern
方法:
1,利用dropout
2,利用L2/L1 regularization
3,调小batch_size
4,搜集更多数据(数据越多,这个问题就越不明显了)