深度学习中的过拟合问题

一、过拟合问题 　　欠拟合：根本缘由是特征维度过少，模型过于简单，致使拟合的函数没法知足训练集，偏差较大。算法 解决方法：增长特征维度，增长训练数据；网络 过拟合：根本缘由是特征维度过多，模型假设过于复杂，参数过多，训练数据过少，噪声过多，致使拟合的函数完美的预测训练集，但对新数据的测试集预测结果差。 过分的拟合了训练数据，而没有考虑到泛化能力。机器学习 解决方法：（1）减小特征维度；（2）正则化

>>阅读原文<<