【DL笔记】防止模型过拟合的处理方法（更新中）

前言 本文主要整理了防止过拟合的处理方法，会持续更新。算法 过拟合（Overfitting） 过拟合能够通俗理解为模型学习到了训练数据几乎所有的特征，对于训练集具备很是高的准确率，但对于测试集的特征敏感，每每不能再测试集中取得较高准确率，这种现象主要是因为在训练过程当中，为了使模型学到更多的特征，从而增长模型的复杂程度，使模型更加依赖训练集，而泛化能力较弱。 如上图所示，过拟合会给模型带来很很差的

>>阅读原文<<