Morvan教程笔记2019.9.14——过拟合

过拟合简单的说就是机器学习的模型过于自信,强行满足了太多训练数据,在加入其他测试数据后,误差变大。
Morvan的过拟合图示

解决过拟合的方法

方法1:增加数据量

方法2:运用正规化(正则化):

(1)L1,L2 … regularizztion:适用于大多数机器学习和神经网络的方法

截图自Morvan视频

(2)Dropout regularization专门用于神经网络的方法

此方法每次训练随机忽略一部分神经元,减小模型对于某些神经元的依赖
截图自Morvan的视频

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

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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