总体思路![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/50cf0fc17c3e4a1cb3f81e6bce083797.png)
Model bias(模型偏移)
Optimization Issue(优化问题)
怎么确认是Model Bias 还是 Optimization Issus
先用一个比较简单的模型或者说比较浅层的模型来算Loss,接着再用复杂的模型来算Loss,如果复杂的模型Loss反而更大,则证明是Optimization Issus,否则是Model Bias
overfitting(过拟合)
极端情况:模型完全符合训练数据
模型自由度过高
解决方法
- 增加训练数据
- 数据增强Data augmentation
- 不要让模型有那么大的弹性
- 使用较少的特征
- early stopping(后面会讲)
- Regulation(后面会讲)
- Dropout(后面会讲)
增加训练数据以及数据增强
受限模型
但是如果模型限制太多,又会变成Model Bias的问题
随着模型越来越复杂,在训练数据上的Loss会越来越低,但是过犹不及,会在某个点上出现overfitting的情况,所以最理想的状态是选择那个点