改善过拟合 写在前面 什么是过拟合? 改善过拟合 1.增加训练数据量 2.使用L1,L2正则化 3.使用dropout 写在前面 本博客没有任何的数学公式的推导,只是记录一下自己理解过拟合的心路历程 什么是过拟合? 过拟合是机器学习中很重要的概念,目标函数Z中高次项越多,模型的非线性拟合能力会越强,拟合数据的时候会有更少的限制,从何实现“放飞自我”。简单的理解就是模型“过度”学习了,如下图的训练阶段模型拟合数据的情况来看,蓝线的误差要比红线大,但是只要测试的时候数据一多,就会出现训练的时候效果很好,但是测试的时候效果很差的情况。蓝线能使模型具备更强的泛化能力。