tensorflow2.0---笔记5 过拟合及解决方法

欠拟合与过拟合

模型越复杂（层数，每层神经元数量），表达能力越强。

欠拟合

欠拟合特点：

过拟合

过拟合特点（模型泛化能力差）：

若训练集数据足够多，则不易ovefitting；若训练数据量少，则易受噪声影响，发生过拟合。

小结

减轻过拟合的方法

1. 增加训练集数据量；
2. 使用 validation_data ，即提前停止（early stopping）策略。用validation_data 可以检测并且减轻过拟合（当验证集准确率下降时终止训练）；
3. 简化模型----规范化（权重衰减）、dropout。