人工智能:模型复杂度、模型误差、欠拟合、过拟合/泛化能力、过拟合的检测、过拟合解决方案【更多训练数据、Regularization/正则、Shallow、Dropout、Early Stopping】
一、模型误差与模型复杂度的关系
1、梯度下降法
模型的评估与调优的目的就是让模型的损失函数尽可能地减小。所有损失函数只要可导,都可以使用梯度下降法来找到损失函数极小值处对应的参数。
2、泛化误差
泛化误差:以回归任务为例, 学习算法的平方预测误差期望为:
E r r ( x )
模型的评估与调优的目的就是让模型的损失函数尽可能地减小。所有损失函数只要可导,都可以使用梯度下降法来找到损失函数极小值处对应的参数。
泛化误差:以回归任务为例, 学习算法的平方预测误差期望为:
E r r ( x )