深度学习的正则化

在机器学习中，许多策略被显示地设计减少测试误差(可能以增大训练误差为代价），这些策略被统称为正则化。 1. 损失函数：Jw = MSE +  正则项 正则化是指修改学习算法，使其降低泛化误差而非训练误差。 常见正则项有L2,L1 2. 欠拟合（underfitting）和过拟合 （overfitting）。欠拟合是指模型不能在训练集上获得足够低的误差。而过拟合是指训 练误差和和测试误差之间的差距太

>>阅读原文<<