深度学习框架TensorFlow学习与应用（四）——拟合问题、优化器

1、拟合 1）回归问题： 过拟合尽可能去经过每个样本点，偏差为零。假若有一个新的样本点：git 会发现过拟合的误差会很大。web 2）分类问题： 一样的当获得新的样本点后，过拟合的错误率可能会提升。算法 3）防止过拟合： 1.增长数据集网络 2.正则化方法，在代价函数后面加一个正则项svg 3.Dropout：训练时，在每一次迭代时使得一些神经元工做，一些神经元不工做。测试时再使用全部的神经元。函

>>阅读原文<<