机器学习中的过拟合问题

1. 过拟合的表现 随着训练过程的进行，模型在训练集上的误差越来越小，但是在测试集上的误差却越来越大。这是由于训练得到的模型过度拟合了训练集，对训练集外的数据不work，即泛化能力差。 2. 降低过拟合的方法 2.1 数据增强（augmentation） 1）随机旋转 ：一般情况下是对输入图像随机旋转[0,360)  2）随机裁剪 ：对输入图像随机切割掉一部分  3）色彩抖动 ：指的是在颜色空间如

>>阅读原文<<