一、防止过拟合
1、早期停止
2、正则化
3、Dropout
二、局部最低点和梯度消失的问题
梯度值过小的话每次迭代得就会很慢,甚至不变,找不到最优点
下面是一些解决方法
1、改变激活函数
如从sigmoid改为双曲正切函数或者relu
2、批次和随机梯度下降
3、学习率衰退
4、随机重新开始
5、动量
三、其他
神经网络回归
一、防止过拟合
1、早期停止
2、正则化
3、Dropout
二、局部最低点和梯度消失的问题
梯度值过小的话每次迭代得就会很慢,甚至不变,找不到最优点
下面是一些解决方法
1、改变激活函数
如从sigmoid改为双曲正切函数或者relu
2、批次和随机梯度下降
3、学习率衰退
4、随机重新开始
5、动量
三、其他
神经网络回归