Model Bias、Overfiting

lays可以增加model的弹性，是不是因为layers可以增加样本数，wx

当选用的函数值使得增加的样本与原分布不同时，

训练集与测试集差异大，

层数越多，模型的非线性拟合能力越强，

但是层数越多也越容易过拟合

另外：训练集高分，测试集预测低分，首先需要区分是分布不同还是时序原因；分布不同的话，贝叶斯的最大后验估计要共轭先验，那非共轭分布怎么处理，这个是不是典型的训练集，测试集分布不同，看到过质量控制有关非共轭分布的文章，没有深入研究，感觉非共轭分布可能真实还蛮多。Gibbs采样什么的，都需要好好研究；时序原因的话，如果因为突变造成的“分布”不同，要考虑突变是不是噪声，噪声可以通过滤波去除，如果不是噪声，信号也可以通过滤波等方法提取出来。

当训练样本不足时，如此增加训练样本（分布相同）

太多限制也会overfitting

李宏毅老师机器学习的note

李老师主页

课程视频