下降过拟合和欠拟合的方法

下降过拟合的方法web 1.从数据入手，得到更多的训练数据。使用更多的训练数据是解决过拟合最有效的手段，由于更多的样本可以让模型学习到更多更有效的特征，减少噪声的影响。直接增长实验数据很难，能够经过必定的规则来扩充训练数据。如，经过图像的平移，旋转，缩放等方式。还能够用GAN来合成。网络 2.下降模型的复杂度，在数据较少时，模型过于复杂是产生过拟合的主要因素。适当下降模型复杂度能够避免模型拟合过多

>>阅读原文<<