過擬合的解決方法

隨着訓練過程的進行，模型複雜度增加，在training data上的error漸漸減小，但是在驗證集上的error卻反而漸漸增大——因爲訓練出來的網絡過擬合了訓練集, 對訓練集外的數據卻不work, 這稱之爲泛化(generalization)性能不好。泛化性能是訓練的效果評價中的首要目標，沒有良好的泛化，就等於南轅北轍, 一切都是無用功。 發生overfitting 的主要原因是： （1）使用過

>>阅读原文<<