小白都理解的人工智能系列（12）——过拟合

问题1：什么是过拟合？

机器学习希望尽可能减少误差，所以就导致了学到的函数不是我们需要的结果，就是过拟合。

如下图，红线是机器学习学到的函数，它希望误差尽可能小，所以几乎经过了每一个点，而蓝线才是我们最终希望的结果！

如果用红线做预测，结果肯定是不准确的，最终会导致过拟合现象。

不能很好地表达除了训练数据以外的数据！

问题2：如何解决过拟合？

方法1——增加数据量

如果增加了足够多的数据量，那么红线就会慢慢被拉直。

方法2——运用正规化

下图cost代表原始误差，如果w变大，那么误差也会变大，相当于给了1个惩罚。

下图通过调整机器学习对于某些神经元的依赖，来调整w的值，进行相应的惩罚。