【深度恶习】如何防止过拟合

什么是过拟合

过拟合就是模型的泛化能力不好，我们训练出来的模型表现出低偏差，高方差。通常是由两个方面引起的 数据+模型复杂度

解决办法

出现这种情况:
我们可以通过增加更多训练数据集，让模型看到更多的特征组合
我们可以降低我们的模型的复杂度，也就是适当的减少一些参数
同时我们还可以使用dropout，l2正则。
在训练的时候，我们可以根据模型的在验证集的指标来判断是否提前终止训练，如果评价指标（如F1值）一连几次在验证集上都没有提升，我们就可以提前终止训练，防止过拟合。
添加噪声 使用平滑技术，平滑因子为epsilion ((1-epsilon)*inputs)+(epsilon/V)