1early stopping:
Earlystopping便是一种迭代次数截断的方法来防止过拟合的方法,即在模型对训练数据集迭代收敛之前停止迭代来防止过拟合
2正则化方法:
正则化方法是指在进行目标函数或代价函数优化时,在目标函数或代价函数后面加上一个正则项,一般有L1正则与L2正则等。
L1正则更加容易产生稀疏解、L2正则倾向于让参数w趋向于0
3dropout:
在神经网络中,有一种方法是通过修改神经网络本身结构来实现的,其名为Dropout。
4.减少特征(变量)的数量
5交叉验证:
交叉验证方法在可获得额外的数据提供验证集合时工作得很好,但是小训练集合的过度拟合问题更为严重
6权重衰减:
它在每次迭代过程中以某个小因子降低每个权值,主要应用于神经网络中