机器学习中防止过拟合的方法

过拟合主要由两个原因造成：数据太少、模型太复杂

1. 获取更多的数据
   (1) 从数据源头获取更多的数据
   (2) 数据增强
   (3) 根据当前数据集估计数据分布参数，使用该分布产生更多数据：一般不采用此方法，因为估计分布参数的过程会引入误差
2. 对于神经网络而言，可以减少网络的层数、神经元的个数
3. Early Stopping
4. L1或L2正则化项
5. Dropout