防止过拟合的方法

防止过拟合的方法 本文简单描述防止过拟合的方法。 过拟合（over-fitting）通俗的来讲它是指模型将训练数据集中的采样误差，作为数据之间的差异进行拟合，从而导致模型在训练数据集中的训练误差很低，而在测试数据集中的测试误差很高（或者说泛化误差高）。产生过拟合问题的原因大体有两个：训练样本太少或者模型太复杂。 不知道大家有没有考虑过一个问题：为什么机器学习或者深度学习的一些方法会存在过拟合问题，

>>阅读原文<<