过拟合概念 过拟合是指学习的模型包含的参数太对,以至于出现对已知数据预测的很好,但对未知数据预测的很差的现象;模型过拟合等价于模型泛化能力差。 如何处理过拟合? 1. L1/L2正则化 1.1 L1/L2概念 L1和L2是正则化项,又叫做惩罚项,是为了限制模型的参数,防止模型过拟合而加在损失函数后面的一项。 L1正则化: 是指权值向量w中各个元素的绝对值之和,通常表示为 ∣ ∣ w ∣ ∣ 1 ||w||_1 ∣∣