过拟合的原因有很多:
在训练数据分布和数据本身分布一样的情况下,过拟合的主要原因是模型学习了训练数据的细节和噪声。
解决方法:
1. 正则化
正则化方法主要有L1正则化和L2正则化。那么两者的区别:
a. L1 泛化能力更好,因为其可以过滤掉更多的特征。
2. Dropout
这是神经网络里面常用的缓解过拟合的主要方法。
其思想可参考:https://blog.csdn.net/stdcoutzyx/article/details/49022443
过拟合的原因有很多:
在训练数据分布和数据本身分布一样的情况下,过拟合的主要原因是模型学习了训练数据的细节和噪声。
解决方法:
1. 正则化
正则化方法主要有L1正则化和L2正则化。那么两者的区别:
a. L1 泛化能力更好,因为其可以过滤掉更多的特征。
2. Dropout
这是神经网络里面常用的缓解过拟合的主要方法。
其思想可参考:https://blog.csdn.net/stdcoutzyx/article/details/49022443