深度学习(李宏毅)p5-p8笔记,Datawhale组队学习Task03

本文探讨了机器学习中常见的两种问题:欠拟合和过拟合。欠拟合表示模型在训练集上表现不佳,可能由于模型复杂度过低或偏差过大。过拟合则是模型在训练集上表现良好,但对测试集预测效果差,表明模型过度学习了训练数据,具有高方差。为缓解过拟合,可以采用扩大数据集或应用正则化技术来降低模型复杂度。
摘要由CSDN通过智能技术生成

心得分享:
1、如果连训练集都不能很好拟合,就是欠拟合(Underfitting),bias大。如果训练集可以拟合好,但测试集拟合不好,就是过拟合(Overfitting),variance大。如果variance太大,可以通过扩大数据或者正则化(Regularization);
2、Loss的等高线的法线方向(Gradient);

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值