深度學習中「過擬合」的產生原因和解決方法

過擬合定義：模型在訓練集上的表現很好，但在測試集和新數據上的表現很差。 訓練集上的表現 測試集上的表現 結論 不好 不好 欠擬合 好 不好 過擬合 好 好 適度擬合 原因 訓練數據集太小，過擬合出現的原因： 模型複雜度過高，參數過多 數量數據比較小 訓練集和測試集分佈不一致 樣本里面的噪聲數據干擾過大，導致模型過分記住了噪聲特徵，反而忽略了真實的輸入輸出特徵 訓練集和測試集特徵分佈不一樣(如果訓練

>>阅读原文<<