深度学习中防止过拟合的几种方法

最近笔试，感觉考防止过拟合出现的频率特别高，于是简单介绍一下，仅贴出答案：

在机器学习和深度学习中，过拟合是一个十分常见的问题，一旦模型过拟合了，可能这个模型就无法适用于业务场景中了。防止过拟合的方法主要有以下几种：

1.引入正则化（参数范数惩罚）

2.Dropout

3.提前终止训练

4.增加样本量

5.参数绑定与参数共享

6.辅助分类节点(auxiliary classifiers)

7.Batch Normalization