TensorFlow2学习笔记--过拟合和欠拟合
过拟合： overfitting，train的效果很好，但是test时不行，因为模型复杂度太高，因为数据都会有一些随机的噪声，模型过度拟合带噪声的数据，导致test时拟合不好 欠拟合： underfiting，train和test的loss一直下不去，而且acc也差，往往是因为模型复杂度小于实际数据的复杂度。 多项式阶数越高的模型能拟合表达的就越复杂，网络越深，参数越多，模型的表达能力也越强
相关文章
- 1. 学习笔记 | 过拟合、欠拟合
- 2. 斯坦福机器学习笔记-欠拟合和过拟合
- 3. 过拟合和欠拟合
- 4. 欠拟合和过拟合
- 5. 动手学深度学习笔记3过拟合、欠拟合
- 6. 【深度学习笔记】过拟合与欠拟合
- 7. pytorch学习笔记（十三）————过拟合&欠拟合
- 8. tensorflow学习笔记五——过拟合与欠拟合
- 9. 过拟合与欠拟合
- 10. 过拟合、欠拟合
- 更多相关文章...
- • Scala Set(集合) - Scala教程
- • C# 集合（Collection） - C#教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 学习笔记 | 过拟合、欠拟合
- 2. 斯坦福机器学习笔记-欠拟合和过拟合
- 3. 过拟合和欠拟合
- 4. 欠拟合和过拟合
- 5. 动手学深度学习笔记3过拟合、欠拟合
- 6. 【深度学习笔记】过拟合与欠拟合
- 7. pytorch学习笔记（十三）————过拟合&欠拟合
- 8. tensorflow学习笔记五——过拟合与欠拟合
- 9. 过拟合与欠拟合
- 10. 过拟合、欠拟合