避免过拟合方法
过拟合训练时候效果好,但是测试时候效果并不好方法early stopping: 在发生过拟合之前提前结束训练,一般是设置一个训练间隔,多少间隔内loss没有继续下降或者精度没有提升的话,停止训练数据集扩增(data augmentation): 让模型见到更多的情况,可以最大化地满足全样本,但实际应用中对于未来事件的预测却显得鞭长莫及; 尽可能是收集更多真实的数据。正则化(regularization): 通过引入范数的概念,增强模型的泛化能力,包含L1与L2正则(也叫 weight decay
复制链接