神经网络原理解读与整体架构
课时16 神经元个数对结果的影响
神经元越多,拟合程度越好,过多会造成过拟合。
隐层中增加一个神经元增加的是多个权重参数(数据量个权重参数)
课时17 正则化与激活函数
越小的λ值越符合训练集的结果,λ增大过拟合效果越来越小
激活函数,实现非线性变换,sigmoid函数会出现梯度消失的问题。目前用relu函数,
课时18 神经网络过拟合解决方法
1. 数据预处理:不同的预处理结果会使得模型的想过发生很大的差异,首先完成中心化,然后进行维度的放缩。
2. 参数初始化:尽量应该是权重参数的波动较小一些
3. Drop-out:舍弃全连接,实现模型的化简,但是效果会变差
课程链接:https://study.163.com/course/courseMain.htm?courseId=1003606092&share=1&shareId=1383716838