过拟合和欠拟合

1  什么是过拟合 通俗的来讲，过拟合就是对训练集学的太好了。当在训练集上成功率增加而在测试集上成功率减少，那么就认为出现了过拟合。 一般来说，出现过拟合是训练样本过少而需要训练的参数过多 解决过拟合的办法： 增加训练样本，L1或者L2正则化，dropout 2  什么是欠拟合 就是学习的不够好，一般出现在训练样本过大而需要训练的参数过少 解决欠拟合的办法： 将网络参数整多一些。 完整版如下： 1

>>阅读原文<<