防止神经网络过拟合的五种方法

过拟合 在训练神经网络模型时，我们经常会遇到模型在训练集上预测准确度很高，但是在测试集上预测准确率很低，这种现象我们叫做过拟合 过拟合通常是由于模型过于复杂造成的接下来我们将介绍五种防止模型过拟合的方法。 1、简化模型 处理过度拟合的第一个想到的是降低模型的复杂性。为了降低复杂度，我们可以简单地删除神经网络层数或减少神经元数量以使网络更小。在执行此操作时，重要的是计算神经网络中涉及的各个层的输入和

>>阅读原文<<