1.数据清洗,得到较纯的数据。
2.增加训练的数据量。
3.采用正则化方法。
采用正则化方法是在损失函数后面加入正则化惩罚项因子,在这里λ我们称做正则化参数。而通过调整λ 这个正则化参数的大小,进而达成平衡拟合训练的目标和保持参数值较小的目标。当最小化J(θ)时,λ 越大,θ越小,所以通过调节λ的值可以调节θ的大小从而调节拟合的程度,λ过大会导致欠拟合,过小会导致过拟合。
4.采用dropout方法。
1.数据清洗,得到较纯的数据。
2.增加训练的数据量。
3.采用正则化方法。
采用正则化方法是在损失函数后面加入正则化惩罚项因子,在这里λ我们称做正则化参数。而通过调整λ 这个正则化参数的大小,进而达成平衡拟合训练的目标和保持参数值较小的目标。当最小化J(θ)时,λ 越大,θ越小,所以通过调节λ的值可以调节θ的大小从而调节拟合的程度,λ过大会导致欠拟合,过小会导致过拟合。
4.采用dropout方法。