深度学习-正则化

概述 正则化是机器学习中非常重要并且非常有效的减少泛华误差的技术，特别是在深度学习模型中，由于其模型参数非常多非常容易产生过拟合。因此研究者也提出很多有效的技术防止过拟合，比较常用的技术包括： 参数添加约束，例如L1、L2范数等 训练集合扩充，例如添加噪声、数据变换等 Dropout 该文主要介绍深度学习中比较常见几类正则化方法以及常用参数选择，并试图解释其原理。 正则化技术 参数惩罚 通过对模型

>>阅读原文<<