2.1模型偏差
模型复杂度与目标函数复杂度的偏差
模型太简单···无论如何训练都很难找到损失小的函数
模型太复杂···过拟合
2.2如何优化
梯度下降算法
问题:容易停留在局部最优解
优化程度可能较低···出现56层不如20层的情况(不是过拟合而是优化问题)
2.3过拟合
1.数据增强
创造新数据···cv中的左右镜像
2.限制模型
减少参数···全连接变卷积神经网络
减少数据量
其他方法···早停,正则化,dropout
2.4交叉验证
训练集 验证集
使用K折交叉验证
确保验证集表现最好
2.5不匹配
训练集与测试集不匹配导致落差
与过拟合不同,增加数据集徒劳