防止过拟合，采用的手段有哪些？

过拟合 过拟合是模型的偏差小而方差大，即模型在训练集上拟合得很好，在测试集上的效果却很差。所以防止过拟合，就是要减小方差。（偏差、方差、贝叶斯误差） 防止过拟合的方法 从源头上，扩充数据集，收集更多的数据或者采用数据增强的方法。 对于模型参数的处理方法，采用L1, L2正则化和dropout 的方法 对于训练方法，采用Early stopping。 采用bagging的方法 数据增强的方法 参考

>>阅读原文<<