深度學習過擬合

1、什麼是過擬合。 在深度學習中，模型對於所提供的數據進行一致性假設而使模型變得過度複雜稱爲過擬合。 2、過擬合的危害。 「一個過配的模型試圖連誤差（噪音）都去解釋（而實際上噪音又不是需要解釋的），導致泛化能力比較差，顯然就過猶不及了。」具體表現在：深度學習的模型在提供的訓練集上效果非常好，但在未經過訓練集觀察的測試集上，模型的效果很差，即輸出的泛化能力很弱。 3、解決過擬合的方法 1）獲取和使用

>>阅读原文<<