深度学习中过拟合与防止过拟合的方法

原文：https://blog.csdn.net/chen645096127/article/details/78990928 1.什么是过拟合？ 过拟合（overfitting）是指在模型参数拟合过程中的问题，由于训练数据包含抽样误差，训练时，复杂的模型将抽样误差也考虑在内，将抽样误差也进行了很好的拟合。 具体表现就是最终模型在训练集上效果好；在测试集上效果差。模型泛化能力弱。 2.过拟合产生的

>>阅读原文<<