深度学习---过拟合与欠拟合

一、认识过拟合与欠拟合 经典图示，其中： 图1：欠拟合表示：模型不能在训练集上获得足够低的训练误差，即：没有学习到； 图3：过拟合表示：模型的训练误差与测试误差之间差距较大，即：在训练集上表现好，在测试集和新数据上表现一般，过学习。 二、解决过拟合的方法 深度学习中常见于解决过拟合。（所有为了减少测试误差的策略统称为正则化方法，这些方法可能会以增大训练误差为代价。） （1）数据增强（数据扩充） a

>>阅读原文<<