防止过拟合的方法

过拟合（overfitting）是指在模型参数拟合过程中的问题，由于训练数据包含抽样误差，训练时，复杂的模型将抽样误差也考虑在内，将抽样误差也进行了很好的拟合。具体表现就是最终模型在训练集上效果好，在测试集上效果差，模型泛化能力弱。 算法为了满足尽可能复杂的任务，其模型的拟合能力一般远远高于问题复杂度，也就是说，算法有拟合出正确规则的前提下，进一步拟合噪声的能力。 那么如何防止过拟合呢？ 1. 更

>>阅读原文<<