TensorFlow知识点备忘2（拟合问题）

PS：本人初学，技术菜的抠脚，本博客仅对学习过程中遇到的知识点进行总结，如有错误，还望指出，谢谢。

1、模型容量

模型的容量或表达能力，是指模型拟合复杂函数的能力。

数据拟合所采用的多项式次数越多，多项式就能更好的反映与数据之间的关系，但过多的次数会造成过度拟合，以及过多消耗计算资源，所以选择合理的模型，最大程度的增加模型表达的泛化能力，是非常重要的一件事。

2、过拟合问题

当模型容量过大时，可能会出现在训练集上表现良好，但测试集上表现较差的情况，这是由于训练模型还将额外的观测误差（噪声？）学习了进来，导致最终的模型泛化能力较差，这种情况就叫做“过拟合（overfitting）”，相对应的，如果模型容量过小，则会造成“欠拟合（underfitting）”只有训练的模型和真实模型容量大致匹配时，模型才具有较好的泛化能力。

现代深度神经网络中过拟合现象非常容易出现&#