这里写自定义目录标题 过拟合产生的原因解决方案 过拟合产生的原因 1.训练集的数据量级和模型的复杂度不匹配,测试集数据量远小于模型复杂度; 2. 训练集和测试集特征分布不一致; 3. 样本里的噪音数据干扰过大,忽略了真实的输入输出; 4.Over training:拟合了噪声和样例中没有代表性的特征。 解决方案 1.减小模型复杂度,比如神经网络中减少隐藏层数; 2. 数据增强; 3. 正则化; 4.dropout:以一定的概率丢弃掉一部分神经元; 5.早停:一般监视指标是val_loss; 6.集成学习。