- 博客(2)
- 收藏
- 关注
RSS订阅原创 Datawhale X 李宏毅苹果书 AI夏令营task2 深度学习简介之线性模型、优化技术与神经网络架构
过拟合发生在模型在训练数据上表现良好，但在未见过的数据上表现差的情况。正则化技术通过在损失函数中添加额外的正则项来惩罚模型复杂度，从而提高模型的泛化能力。泛化能力是模型对新、未见过数据的处理能力。选择模型时，应优先考虑其泛化能力，而不仅仅是在训练数据上的表现。深度学习作为机器学习的一个分支，通过构建多层次的神经网络模型，能够学习数据的复杂模式和特征。其中，θ 表示模型参数，η 是学习率，∇J 是损失函数 J 对参数 θ 的梯度。测试数据：用于评估模型性能，通常在模型训练完成后使用，以检验模型的泛化能力。
2024-08-30 22:34:12
210
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人